机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测

算法机器学习 KNN K近邻

机器学习算法KNN（K近邻）应用实例使用KNN（K近邻）算法对是否容易得糖尿病问题进行预测。资源中包括完成的KNN算法训练和实现过程，以及用于机器学习的糖尿病数据集。数据特征包括： Pregnancies：怀孕次数 Glucose：葡萄糖测试值 BloodPressure：血压 SkinThickness：表皮厚度 Insulin：胰岛素 BMI：身体质量指数 DiabetesPedigreeFunction：糖尿病遗传函数 Age：年龄 Outcome：是否为糖尿病训练的过程包括数据的预处理、数据的可视化及EDA分析。然后将数据划分成训练集和测试集，调用sklearn中的KNeighborsClassifier模型对数据进行训练。最后使用混淆矩阵、F1、精确率等指标对模型效果进行评估。本应用实例可以方便与对KNN算法的应用过程有一个直观的了解和掌握。提升算法的应用实用性。引入的库函数主要有如下： import numpy as np import pandas as pd from sklearn.model_selection import train_test

文件下载

资源详情

[{"title":"（ 2 个子文件 674KB ）机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测","children":[{"title":"diabetes.csv <span style='color:#111;'> 22.56KB </span>","children":null,"spread":false},{"title":"KNN预测糖尿病.ipynb <span style='color:#111;'> 912.19KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

其他资源

免责申明

【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论【只为小站】经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见版权及免责申明

机器学习算法KNN（K近邻）应用实例——实现对是否患糖尿病的预测

文件下载

资源详情

评论信息

其他资源

免责申明

个人信息

相关资源标签

热门下载

最新下载