KNN分类器的实现过程（python）

1、加载一组数据——iris：

from sklearn import datasets  

from sklearn.neighbors import KNeighborsClassifier  

import numpy as np  

a = datasets.load_iris()

2、从a里面读出输入数据：

x=a.data 

每一个数据都是一个四元向量。

3、从a里面读出输出数据：

y=a.target

x里面的每一个向量，都对应y里面的一个数字。

4、给出0到150之间的正整数的随机排列：

indices = np.random.permutation(len(x))

此时，len(x)=150

5、把x和y分割为训练集和测试集：

x_train = x[indices[:-10]]

y_train = y[indices[:-10]]

x_test = x[indices[-10:]]

y_test = y[indices[-10:]]

6、定义一个knn分类器，并用训练集对它进行训练：

knn = KNeighborsClassifier()

knn.fit(x_train,y_train)

7、用测试集测试knn：

z=knn.predict(x_test)

准确率是100%。

8、用不同的训练集测试knn，准确率是不一样的。