问题遇到的现象和发生背景
编程要求
根据提示,补充代码,需要按照要求生成数据,并使用train_test_split函数将生成的数据分割为训练数据与测试数据。之后创建一个K近邻分类器,使用训练数据训练后,计算该分类器在测试数据上所预测的输出有几个是正确的。
测试说明
输入说明:输入由三行组成,每行由一个数组成,第一行表示要生成的数据组数,第二行表示生成的数据一共有几种类别,第三行为一共浮点数,表示数据的噪音。
输出说明,由一行组成,表示分类器在测试数据上所预测的输出的正确数量。
注意事项:
生成数据时需要使用make_classification函数,n_samples,n_classes和flip_y等参数的值为程序的输入值,n_informative参数值要求为20,n_redundant参数要求值为0,random_state参数值要求为1,要求其他参数均使用默认参数。
train_test_split函数的random_state参数值要求为1。
K均值分类器也要求均使用默认参数。
用代码块功能插入代码,请勿粘贴截图
# -*- coding: utf-8 -*-
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
# 请在此添加代码
#
# ********** Begin *********#
# ********** End **********#