L4打卡学习笔记

embedded/2024/9/23 12:18:32/
  • 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
  • 🍖 原作者:K同学啊

K邻近模型

  • 导入数据
  • 划分训练集测试集
  • 创建模型
  • 预测结果
  • 结果评分
  • 个人总结

导入数据


import pandas as pddata=pd.read_table(r'C:\Users\11054\Desktop\kLearning\L4_learning\datingTestSet2.txt',sep='\t', header=None)data.head()
X = data.iloc[:,:3]
Y = data.iloc[:,3]
X,Y
(         0          1         20    40920   8.326976  0.9539521    14488   7.153469  1.6739042    26052   1.441871  0.8051243    75136  13.147394  0.4289644    38344   1.669788  0.134296..     ...        ...       ...995  11145   3.410627  0.631838996  68846   9.974715  0.669787997  26575  10.650102  0.866627998  48111   9.134528  0.728045999  43757   7.882601  1.332446[1000 rows x 3 columns],0      31      22      13      14      1..995    2996    1997    3998    3999    3Name: 3, Length: 1000, dtype: int64)

划分训练集测试集


from sklearn.model_selection import train_test_splitX_train, X_test, y_train, y_test = train_test_split(X, Y,test_size=0.25,random_state=3)

创建模型


from sklearn.neighbors import KNeighborsClassifierknc = KNeighborsClassifier(n_neighbors=5)
knc.fit(X_train, y_train)

预测结果


data["预测结果"] = knc.predict(data.iloc[:,:3])
data.head(10)

结果评分


scoreK = knc.score(X_test,y_test)print(scoreK)

个人总结

  • K邻近模型用于分类,预测数据为数据库中相似度最高的n个数据中占比最大的结果值,n_neighbors用于控制K值

http://www.ppmy.cn/embedded/115582.html

相关文章

Unity 高亮插件HighlightPlus介绍

主要是对官方文档进行了翻译(我做了一些补充和一些小的调整) 但是如果你只是想快速入门: Unity 高亮插件Highlight Plus快速入门-CSDN博客 注意:官方文档本身就落后实际,但对入门仍很有帮助,核心并没有较大改变,有的功能有差异,以实际为准.(目前我已校正了大部分差异,后续我…

WPF实现关系图

该文档用于&#xff1a;WPF内嵌VIS.JS实现关系图&#xff0c;交互通过调用JS实现 1 安装 1.1 WPF 端安装以下包 <package id"CefSharp.Common"/> <package id"CefSharp.Wpf"/>1.2 WPF 框架使用Prism <package id"Prism.Core"…

php调用Gpt 执行 shell curl输出聊天结果实现简单聊天机器人

<?php header("Access-Control-Allow-Origin: *");// return 1; //$command ls -l; // 要执行的shell命令$command "curl http://192.168.124.27:11434/api/chat -d {\"model\": \"openchat:latest\",\"messages\": [{\&qu…

Linux中环境变量设置及查看方法(临时环境变量和用户级别长期环境变量)

设置环境变量的方式&#xff1a;&#xff08;三种&#xff09; Linux中通常来说设置环境变量分为三种&#xff1a;临时设置环境变量&#xff08;只在当前用户的当前终端会话中有效&#xff09;&#xff0c;将环境变量添加到 Shell 启动文件&#xff08;对当前用户有效&#xf…

反序列化- Jackson...

Jackson库 Jackson库的核心功能是将Java对象转换为JSON字符串&#xff08;序列化&#xff09;以及将JSON字符串转换为Java对象&#xff08;反序列化&#xff09; 反序列化器及序列化器 JSR310DateTimeDeserializerBase和JSR310FormattedSerializerBase抽象类 当你创建这些子…

前端工程化4:从0到1构建完整的前端监控平台

前言 一套完整的前端监控系统的主要部分&#xff1a; 数据上报方式数据上送时机性能数据采集错误数据采集用户行为采集定制化指标监控sdk 监控的目的&#xff1a; 一、数据上报方式 本文的方案是&#xff0c;优先navigator.sendBeacon&#xff0c;降级使用1x1像素gif图片…

开源模型应用落地-qwen模型小试-调用Qwen2-VL-7B-Instruct-更清晰地看世界-集成vLLM(二)

一、前言 学习Qwen2-VL ,为我们打开了一扇通往先进人工智能技术的大门。让我们能够深入了解当今最前沿的视觉语言模型的工作原理和强大能力。这不仅拓宽了我们的知识视野,更让我们站在科技发展的潮头,紧跟时代的步伐。 Qwen2-VL 具有卓越的图像和视频理解能力,以及多语言支…

面试爱考 | 设计模式

一、概述二、创建型 1. 单例&#xff08;Singleton&#xff09; IntentClass DiagramImplementationExamplesJDK 2. 简单工厂&#xff08;Simple Factory&#xff09; IntentClass DiagramImplementation 3. 工厂方法&#xff08;Factory Method&#xff09; IntentClass Diagr…