标签：KNN loc min max cmap 可视化 np 鸢尾花 order

KNN实现鸢尾花数据集的可视化

• 首先导入包：
• 获取数据：
• 设置画图的颜色深浅：
• 决策边界，用不同的颜色表示：
• KNN原理：
• 将数据合并：
• 进行画图：
• 可视化展示: 

首先导入包：

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.colors import ListedColormap
from sklearn.datasets import load_iris

获取数据：

iris = load_iris()  # 加载数据
X = iris.data[:, (1, 3)]  # 为方便画图，仅采用数据的其中两个特征
y = iris.target

设置画图的颜色深浅：

cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA', '#AAAAFF'])
cmap_bold = ListedColormap(['#FF0000', '#00FF00', '#0000FF']

决策边界，用不同的颜色表示：

x_min, x_max = X[:, 0].min() - 0.1, X[:, 0].max() + 0.1
y_min, y_max = X[:, 1].min() - 0.1, X[:, 1].max() + 0.1
xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.02),
                     np.arange(y_min, y_max, 0.02))

KNN原理：

def knn_code(loc, k=5, order=2 ):  # k order是超参
    diff_loc = X - loc
    dis_loc = np.linalg.norm(diff_loc, ord=order, axis=1) # 没有axis得到一个数，矩阵的泛数。axis=0，得到两个数
    knn = y[dis_loc.argsort()[:k]]
    counts = np.bincount(knn)
    return np.argmax(counts

将数据合并：

line_loc = np.array(list(zip(xx.ravel(), yy.ravel())))

进行画图：

plt.figure(figsize=(15, 12))  # 图的尺寸

pos = 1  # 位置计数器

for k in [2, 6]:
    for order in [1, 2]:

        Z = np.array([knn_code(ii, k, order) for ii in line_loc]).reshape(xx.shape)  # 这个是不支持向量化运算的
        ax = plt.subplot(220 + pos)  # 几行，几列，第几个，先按行数
        ax.pcolormesh(xx, yy, Z, cmap=cmap_light, shading='auto')  # 绘制预测结果图
        ax.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold)  # 补充训练数据点
        ax.set_title(f'k: {k}, distance order: {order}')
        pos += 1

plt.suptitle('I am a tuner!')
plt.show()

可视化展示:

标签：KNN,loc,min,max,cmap,可视化,np,鸢尾花,order
来源： https://blog.csdn.net/weixin_51756104/article/details/120666814

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。