SK-learn实现k近邻算法【准确率随k值的变化】-------莺尾花种类预测

代码详解：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
from pylab import mpl

# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False
#读取数据
iris = load_iris()

#分出训练集和测试集
x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,test_size=0.3,random_state=22)

#数据标准化，防止异常点的影响
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)

#创建画布
plt.figure()
plt.title("准确率随k值的变化")
#打开交互
plt.ion()
#网格
plt.grid()
#x轴和y轴标注
plt.ylabel("准确率")
plt.xlabel("k值")

#循环k的取值从1到50
for k in range(1,50):
    # plt.cla()
    #定义一个k分类算法对象
    estimator = KNeighborsClassifier(n_neighbors=k)
    #训练
    estimator.fit(x_train,y_train)

    #用测试集测试准确率
    y_predict = estimator.predict(x_test)
    score = estimator.score(x_test, y_test)
    #画散点图
    plt.scatter(k,score)
    plt.pause(0.1)

    print("预测结果为：",y_predict)
    print("对比真实值和预测值：",y_test)
    print("准确率：",score)

#关闭交互模式，并最后显示图像
plt.ioff()
plt.show()