python搭建模型需要注意的重点:
- 我们使用以下方法创建knn分类器对象:knn = KNeighborsClassifier(n_neighbors=3)
- 使用X_train数据训练分类器。该过程被称为拟合。我们传递特征矩阵和相应的响应向量。knn.fit(X_train, y_train)
- 现在,我们需要在X_test数据上测试我们的分类器。knn.predict方法用于此目的。它返回预测的响应向量y_pred。y_pred = knn.predict(X_test)
- 现在,我们有兴趣通过比较y_test和y_pred来找到模型的准确性。这是使用metrics模块的方法accuracy_score完成的:print(metrics.accuracy_score(y_test, y_pred))
- 考虑您希望模型对样本数据进行预测的情况。然后,样本输入可以简单地通过与传递任何特征矩阵相同的方式传递。sample = [[3, 5, 4, 2], [2, 3, 5, 4]] preds = knn.predict(sample)
- 如果您不想一次又一次地训练分类器并使用预先训练的分类器,可以使用joblib保存分类器。你需要做的就是:joblib.dump(knn, 'iris_knn.pkl')
- 如果要加载已保存的分类器,请使用以下方法:knn = joblib.load('iris_knn.pkl')