#
一个最基本的例子 #样本数据的封装 feature = [[170,70,42],[166,56,39],[188,90,44],[165,88,40],[170,66,40],[176,80,42],[166,55,37],[155,50,38]] target = ['男','女','男','男','女','男','女','女'] from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier(n_neighbors=3) #k 值 knn.fit(feature,target) #试 knn.score(feature,target) #打分 #分类 knn.predict([[167,66,38]]) #调用 #其他特征数据（判断男女） # 心率 # 血压 # 体温
#
导包，机器学习的算法KNN、数据蓝蝴蝶 import sklearn.datasets as datasets import numpy as np iris = datasets.load_iris() #鸢尾花 #提取样本数据 feature = iris['data'] # 特征 target = iris['target'] # 目标 #将样本数据进行随机打乱 np.random.seed(1) np.random.shuffle(feature) np.random.seed(1) np.random.shuffle(target) #获取训练样本数据和测试样本数据 #提取训练的特征and目标数据 x_train = feature[0:140] y_train = target[0:140] #提取测试的特征and目标数据 x_test = feature[140:] y_test = target[140:] #实例化模型对象&训练模型 knn = KNeighborsClassifier(n_neighbors=11) knn.fit(x_train,y_train) knn.score(x_test,y_test) #分数 print('模型的分类结果：',knn.predict(x_test)) print('真实的分类结果:',y_test) knn.predict([[8.7, 1.5, 5.8, 0.8]]) #调用函数 #