sklearn.KNeighborsClassifier()
终于这篇推文将机器学习和可视化完美的结合起来，即：机器学习处理数据，数据可视化技术展现、美化数据（以后的深度学习部分也会延续这个风格，只不过比重不同而已）。首先，我们给出我们今天的数据：散点数据和四川省的地图文件，python读取操作如下：
import pandas as pd
import numpy as np
from sklearn.neighbors import KNeighborsClassifier
data = pd.read_excel(r"sichuan_df_label.xlsx")
import geopandas as gpd
si_map = gpd.read_file(r"四川省.json")
预览如下：散点：
地图文件：
计算网格插值
这一步之前的推文中已说了很多次，这次我们设置800x800的网格，边界设置依据还是我们地图文件的经纬度范围，代码如下：
bounds = si_map.total_bounds
grid_size = 800
grid_lon =
