python 简单k近邻分类器的实现

（1）问题:

在此使用k近邻算法实现一个简单分类器。

其中model.xls表样式如下表1所示：

表1：model.xls数据表

分析：①数据存放在model.xls中，需要利用panda数据，对数据进行切片为指标和结果。

②切片后的数据类型为dataframe类型，需要转换为列表才能对数据进行处理。

③利用sklearn.neighbors的KNeighborsClassifier实现一个简单的k近邻分类器。

④利用该k近邻分类器对原指标数据进行预测。

⑤计算出分类器的准确率。

代码如下：

import pandas as pd #导入数据分析库Pandas
from sklearn.neighbors import KNeighborsClassifier #导入k近邻分类器KNeighborsClassifier

inputfile = 'model.xls' #输入数据路径,需要使用Excel格式；

data = pd.read_excel(inputfile, header=None) #读入数据

#切出指标数据片，并转换为列表
datas_frame_index = data.iloc[1:292,0:3] 
datas_list_index = datas_frame_index.values.tolist()
# print(datas_list_index)

#切出结果数据片，并转换为列表
datas_frame_result = data.iloc[1:292,3]
datas_list_result= datas_frame_result.values.tolist()
# print(datas_list_result)

x=datas_list_index #指标
y=datas_list_result #结果
 
neigh=KNeighborsClassifier(n_neighbors=5)  #最近的五个点是哪类则归为哪类
neigh.fit(x,y) #放入原因和结果，构造k近邻分类器
 
predict_array =neigh.predict(datas_list_index)  #对原指标数据进行预测
# print(predict_array)
# print(type(predict_array))

#计算分类器准确率
count = 0
for i in range(291):
#     print(predict_array[i])
    if predict_array[i]==datas_list_result[i]:
        count = count + 1
rate_correct = count/291*100
print(f'分类器准确率为{rate_correct}%')

其中datas_list_index如下图1所示，datas_list_result如下图2所示：

 图1 datas_list_index

  图2 datas_list_result

运行结果截图，如下图3所示：

 图3 运行结果