用sklearn簡單實現KNN和KMeans

數據集：使用sklearn自帶的iris數據集，該數據集包含某種花類的觀察數據，包括四個特徵，花有三類。

①導入要用到的包：

from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.cluster import KMeans

②導入數據集：

iris = datasets.load_iris()

特徵值數據存儲在iris.data中，標籤在iris.target中：

③實現KNN：

neigh = KNeighborsClassifier(n_neighbors = 3)
neigh.fit(iris.data,iris.target)
print("預測結果："+str(neigh.predict([[5,3,5,2]])))  #預測

④實現KMeans：

kmeans = KMeans(n_clusters = 3,random_state = 0).fit(iris.data)
print("kemeans:"+str(kmeans.labels_)) #打印聚類結果
print("target:"+str(iris.target))  #打印數據集標籤進行對比

結果：

藉助sklearn實現一些簡單的機器學習算法非常方便，但是要了解其中原理還是要花一些時間的！