绘制图形之后进行KNN
#定义KNN分类器 clf = KNeighborsClassifier(n_neighbors=10) # 第1步：训练分类器 clf.fit(X,y) # 图片的显示范围,画布的边界范围 x_min, x_max = X[:,0].min()-1, X[:,0].max()+1 y_min, y_max = X[:,1].min()-1, X[:,1].max()+1 # 图片的背景显示坐标 xx,yy = np.meshgrid(np.arange(x_min,x_max,0.02),np.arange(y_min,y_max,0.02)) # 第2步：预测 ravel()数据扁平化 Z = clf.predict(np.c_[xx.ravel(),yy.ravel()]) z = Z.reshape(xx.shape) cmap_background = ListedColormap(['#FFAAAA','#AAFFAA','#AAAAFF']) # 显示背景的颜色 plt.pcolormesh(xx,yy,z,cmap=cmap_background) # 显示点的颜色 plt.scatter(X[:,0],X[:,1],c = y,cmap=cmap_species) plt.xlim(xx.min(),xx.max()) plt.ylim(yy.min(),yy.max()) plt.title('3-class classification') plt.show()