《机器学习Python实战》课件 07-项目3 项目拓展-KNN回归预测实操演示.pptxVIP

?机器学习Python实战?项目3项目拓展KNN回归预测

任务目标使用scikit-learn内置的make_regression()函数生成回归数据集，然后应用KNN算法进行回归预测。任务目标：

KNN回归预测KNN算法不仅可以用于分类任务，也可以用于回归任务。在回归任务中，KNN算法不是取最近邻的多数，而是取最近邻的平均值作为预测值，即通过找出一个样本的k个最近邻居，将这些邻居的特征的平均值赋给该样本，就可以得到该样本的预测值。

1．生成回归数据集首先，我们需要生成一个用于回归任务的模拟数据集。make_regression()函数可以生成一个线性回归数据集，并允许我们设置样本数量、特征数量、噪声水平等参数。#导入回归数据集生成工具fromsklearn.datasetsimportmake_regression#导入NumPy库importnumpyasnp#生成回归数据集X,y=make_regression(n_samples=200, #样本数量 n_features=1, #特征数量 noise=10, #噪声水平 random_state=42) #随机数种子

2．数据可视化生成数据集后，我们通过散点图观察数据的分布情况。由于特征维数为1，可以直接将特征值作为横坐标，目标值作为纵坐标进