sklearn.knn.KNeiborsClassifier(K값 변화에 따른 결과 관찰)

 

# 속성 컨트롤
col1=0
col2=1

X=iris.data[:,[col1,col2]]
y=iris.target

X_train,X_test,y_train,y_test=train_test_split(X,y)

model=KNeighborsClassifier(n_neighbors=3)
# n_neighbors=3

model.fit(X_train,y_train)

 

for i in range(1,10):
    model=KNeighborsClassifier(n_neighbors=i)
    # n_neighbors=i
    model.fit(X_train,y_train) # model 훈련
    
    plt.figure(figsize=[10,8]) # 그래프 사이즈
    mglearn.plots.plot_2d_classification(model,X_train,fill=True,eps=0.5,alpha=0.4) # 바탕색과 관련
    mglearn.discrete_scatter(X_train[:,0],X_train[:,1],y_train) # train data에 대한 산점도
    #mglearn.discrete_scatter(X_test[:,0],X_test[:,1],y_test) # test data에 대한 산점도
    
    plt.figure(figsize=[10,8]) # 그래프 사이즈
    mglearn.plots.plot_2d_classification(model,X_train,fill=True,eps=0.5,alpha=0.4) # 바탕색과 관련
    #mglearn.discrete_scatter(X_train[:,0],X_train[:,1],y_train) # train data에 대한 산점도
    mglearn.discrete_scatter(X_test[:,0],X_test[:,1],y_test) # test data에 대한 산점도

---

K=1

---

K=2

---

K=3

---

K=4

 

---

K=5

---

K=6

---

K=7

---

K=8

---

K=9

---