機械学習-KNN

4324 ワード

python 機械学習テキストリンク

◾KNN

KNN(K Nearest Neighber):分類または回帰のための非引数

新しいデータがある場合、既存のデータのどのグループを分類するか

kは、表示するデータの数を決定する数値です.

kは結果を変更します.単位によって変えることもできます.(標準化が必要)

距離計算:ユークリッド幾何学

Distance(A,B)=(xB−xA)2+(yB−yA)2Distance(A, B) =\sqrt{(x_{B}-x_{A})^2+(y_{B}-y_{A})^2}Distance(A,B)=(xB−xA)2+(yB−yA)2

リアルタイム予測を学習する必要はないので、高速ですが、高次元データには適していません.

# iris 데이터
from sklearn.datasets import load_iris

iris = load_iris()

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=13, stratify=iris.target)

# kNN 학습
from sklearn.neighbors import KNeighborsClassifier

knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(X_train, y_train)

# 정확성 확인
from sklearn.metrics import accuracy_score

pred = knn.predict(X_test)
accuracy_score(y_test, pred)

from sklearn.metrics import classification_report, confusion_matrix

print(confusion_matrix(y_test, pred))
print('-'*53)
print(classification_report(y_test, pred))

Reference

この問題について(機械学習-KNN), 我々は、より多くの情報をここで見つけました https://velog.io/@skarb4788/머신-러닝-KNN

テキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。

Collection and Share based on the CC Protocol

オペレーティングシステムの起動3

Solution of Overfitting