##使用NumPy从头开始进行K最近邻分类( 三 )
将我们的实现与Sklearn的KNeighborsClassifier进行比较
from sklearn.datasets import load_iris from KNearestNeighbors import KNearestNeighbors from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier import pandas as pd dataset = load_iris() X = dataset.data y = dataset.target mu = np.mean(X, 0) sigma = np.std(X, 0) X = (X - mu ) / sigma X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.3, random_state=45) our_classifier = KNearestNeighbors(X_train, y_train, n_neighbors=3) sklearn_classifier = KNeighborsClassifier(n_neighbors=3).fit(X_train, y_train) our_accuracy = our_classifier.score(X_test, y_test) sklearn_accuracy = sklearn_classifier.score(X_test, y_test) pd.DataFrame([[our_accuracy, sklearn_accuracy]], ['Accuracy'], ['Our Implementation', 'Sklearn's Implementation'])
本文插图
【##使用NumPy从头开始进行K最近邻分类】我们自己的实现和sklearn的实现的准确性看起来是基本相同的 。
推荐阅读
- 潍坊晚报|手机使用四年,凌晨自燃吓坏一家人
- 互联网的一些事|QuestMobile:2020 移动互联网人均使用时长同比增长 12.9%
- |为什么使用B+Tree?
- 山东伟豪思|袋料全自动拆垛机器人的使用给企业带来了哪些益处
- 无敌马克兔|使用3个看似简单的挑战,提高摄影技巧,拍摄出不俗的作品
- 摄影小强|存储先行者,光威SSD固态硬盘使用中的小惊喜
- 月光科技自媒体|小米太难了,用海外元器件被批买办,使用海思处理器被批信仰崩塌
- 手机报在线网|苹果推迟使用MicroLED:Apple Watch 6继续由京东方供应OLED屏
- VR陀螺|三星AR新专利:可搭配车辆使用的AR眼镜导航应用
- 中金网|PruPay 使用 PayPal 构建基于文本的支付系统