生成数据
使用make_blobs生成数据并使用matplotlib进行可视化
完整代码：
from sklearn.datasets import make_blobs
# KNN 分类器
from sklearn.neighbors import KNeighborsClassifier
# 画图工具
import matplotlib.pyplot as plt
# 数据集拆分工具
from sklearn.model_selection import train_test_split
# 生成样本数为200，分类为2的数据集
data = make_blobs(n_samples=200, centers=2, random_state=8)
X, y = data
# 将生成的数据集进行可视化
plt.scatter(X[:,0], X[:,1], c=y, cmap=plt.cm.spring, edgecolor='k')
plt.show()
效果展示：
使用KNN算法拟合数据
创建分类器：
# 创建knn分类器
clf = KNeighborsClassifier()
clf.fit(X, y)
预测和画图：
# 画图
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, .02), np.arange(y_min, y_max, .02))
z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
z = z.reshape(xx.shape)
plt.pcolormesh(xx, yy, z, cmap=plt.cm.Pastel1)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.spring, edgecolor='k')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.title("Classifier: KNN")
plt.show()
效果预览：
完整代码：
from sklearn.datasets import make_blobs
# KNN 分类器
from sklearn.neighbors import KNeighborsClassifier
# 画图工具
import matplotlib.pyplot as plt
# 数据集拆分工具
from sklearn.model_selection import train_test_split
# 数据分析
import numpy as np
# 生成样本数为200，分类为2的数据集
data = make_blobs(n_samples=200, centers=2, random_state=8)
X, y = data
# 创建knn分类器
clf = KNeighborsClassifier()
clf.fit(X, y)
# 画图
x_min, x_max = X[:, 0].min() - 1, X[:, 0].max() + 1
y_min, y_max = X[:, 1].min() - 1, X[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, .02), np.arange(y_min, y_max, .02))
z = clf.predict(np.c_[xx.ravel(), yy.ravel()])
z = z.reshape(xx.shape)
plt.pcolormesh(xx, yy, z, cmap=plt.cm.Pastel1)
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.spring, edgecolor='k')
plt.xlim(xx.min(), xx.max())
plt.ylim(yy.min(), yy.max())
plt.title("Classifier: KNN")
plt.show()
