机器学习之KNN（四）根据身高体重测肥胖程度例题训练

机器学习之KNN（四）根据⾝⾼体重测肥胖程度例题训练

例题如下

（1）题⽬描述：

KNN算法是k-Nearest Neighbor Classification的简称，也就是k近邻分类算法。中矿国际工程设计研究院有限公司

基本思路是在特征空间中查k个最相似或者距离最近的样本，然后根据k个最相似的样本对未知样本进⾏分类。

下⾯请调⽤sklearn库中的KNN算法，实现以⾝⾼+体重对肥胖程度进⾏分类。磷酸三钙

提⽰：每⾏数据分别为性别、⾝⾼、体重。

已知数据：[[1, 180, 85], [1, 180, 86], [1, 180, 90], [1, 180, 100], [1, 185, 120], [1, 175, 80], [1, 175, 60], [1, 170, 60]，[1, 175, 90], [1, 175, 100], [1, 185, 90], [1, 185, 80]]

标签：[‘稍胖’, ‘稍胖’, ‘稍胖’, ‘过胖’, ‘太胖’, ‘正常’, ‘偏瘦’, ‘正常’, ‘过胖’, ‘太胖’, ‘正常’, ‘偏瘦’]

预测数据：[[1, 180, 70], [1, 160, 90], [1, 170, 85]]

代码如下

import numpy as np

from sklearn.preprocessing import MinMaxScaler

华中理工大学学报

ighbors import KNeighborsClassifier

# 加载数据

X = np.array([[1,180,85],[1,180,86],[1,180,90],[1,180,100],[1,185,120],[1,175,80],[1,175,60],[1,170,60],[1,175,90],[1,175,100],[1,185,90] ,[1,185,80]])

y = np.array(['稍胖','稍胖','稍胖','过胖','太胖','正常','偏瘦','正常','过胖','太胖','正常','偏瘦'])

# print(y)

火星探测器都有哪些特点?# 建⽴模型

model_knn = KNeighborsClassifier(n_neighbors=1)小说世界

# 特征缩放

ms = MinMaxScaler()

X = ms.fit_transform(X)

# 训练

model_knn.fit(X,y)

print(model_knn.score(X,y))

十五大报告全文X_te =[[1,180,70],[1,160,90],[1,170,85]]

X_te = ms.fit_transform(X_te)

print(model_knn.predict(X_te))

'''

训练准确率是： 1.0

训练集测试数据如下：

['稍胖' '稍胖' '稍胖' '过胖' '太胖' '正常' '偏瘦' '正常' '过胖' '太胖' '正常' '偏瘦']

测试集测试数据如下：

['偏瘦' '太胖' '过胖']

'''

本文发布于:2024-09-22 07:27:47，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/326267.html

上一篇：python识别字母代码_【Python-Opencv】KNN英文字母识别

下一篇：信息技术-拓展模块知到章节答案智慧树2023年昆明冶金高等专科学校

标签：数据样本程度训练探测器

留言与评论（共有 0 条评论）