使用KNN进行手写体识别和iris数据集分类

文章目录

手写体识别
iris数据集分类

手写体识别

首先使用load_digits将数据加载，这里的数据集有1797个样本，前1384个训练数据而后面的413个样本作为测试集，每个数据集中的样本是8*8像素的图像和一个[0, 9]整数的标签。紧接着输出64个样本的图像，每个图像输出在matplotlib上，标题title为每个图像的标签

在这里插入图片描述

首先将数据标准化，然后使用KNeighborsClassifier来使用K近邻算法，接着进行训练，然后输出训练之后分类模型的性能的指标。

k = 7
clf = KNeighborsClassifier(n_neighbors=k, metric='minkowski')
clf.fit(x_train, y_train)  # 训练完毕
predictions = clf.predict(x_test)
1
2
3
4

当K=3时，分类模型的性能的结果如图
在这里插入图片描述

当K=4时，分类模型的性能的结果如图

在这里插入图片描述

当K=5时，分类模型的性能的结果如图

在这里插入图片描述

当K=6时，分类模型的性能的结果如图

在这里插入图片描述

结果显示当K=4时效果较好，性能指标相较K=3、5和6时相对较好

iris数据集分类

接着使用sklearn自带的iris数据集，使用datasets.load_iris()导入数据，数据集包含150个数据样本，分为3类，每类50个数据，每个数据包含4个属性。获得数据集之后将数据集分为训练集和测试集，这里我分的是30个测试集和120个训练集，然后训练数据，之后输出分类模型的性能指标。

# 加载数据集
iris = datasets.load_iris()
data_size = iris.data.shape[0]
index = [i for i in np.arange(data_size)]
random.shuffle(index)
iris.data = iris.data[index]
iris.target = iris.target[index]
1
2
3
4
5
6
7

首先将K设置为5，结果如下

在这里插入图片描述

K=4的时候结果为下图

在这里插入图片描述

K=6的时候结果为下图

在这里插入图片描述

K=7的时候结果为下图

在这里插入图片描述

所以将K设置为5时效果较好，性能指标相较K=3、4、6和7时相对较好

相关阅读:
Django用RSA实现Web登录加密传输，预防抓包泄漏密码，解决ModelForm无法实现传输加密问题
CentOS 7停服之后该怎么安装软件呢？
Android FileProvider笔记
https域名下请求http图片链接被自动变成https请求
Filter与Listener（过滤器与监听器）
安装CDH平台的服务器磁盘满了，磁盘清理过程记录
策略模式：灵活定义一系列可互换的算法
WPF 控件专题 DockPanel 控件详解
【SA8295P 源码分析】87 - SA8295P HQNX + Android 编译环境搭建指导
最全的推特群推营销秘籍

原文地址：https://blog.csdn.net/qq_48068259/article/details/127888522