机器学习实战 k-近邻

r囧r小猫 2023-06-04 03:55 8阅读 0赞

kNN.py 
     1 from numpy import *#引入科学计算包
     2 import operator #经典python函数库。运算符模块。
     3 
     4 #创建数据集
     5 def createDataSet():
     6     group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
     7     labels=['A','A','B','B']
     8     return group,labels
     9 
    10 #算法核心
    11 #inX：用于分类的输入向量。即将对其进行分类。
    12 #dataSet：训练样本集
    13 #labels:标签向量
    14 def classfy0(inX,dataSet,labels,k):
    15     #距离计算
    16     dataSetSize =dataSet.shape[0]#得到数组的行数。即训练样本个数
    17     diffMat     =tile(inX,(dataSetSize,1))-dataSet#tile:numpy中的函数,行数扩充4倍，列扩充1倍。diffMat得到了目标与训练数值之间的差值。
    　　　　 tile([0,0],[4,1])-dataSet

18     sqDiffMat   =diffMat**2#各个元素分别平方

19     sqDistances =sqDiffMat.sum(axis=1)#对应列相加，得到a2+b2

20     distances   =sqDistanxes**0.5#开方，得到距离。
    21     sortedDistIndicies=distances.argsort()#数组值对应的索引从小到大排列
    22     #选择距离最小的k个点。
    23     classCount={}
    24     for i in range(k):
    25         voteIlabel=labels[sortedDistIndicies[i]]
    26         classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
    27     #排序
    28     sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    29     return sortedClassCount[0][0]

测试：

from kNN import \*

group,labels=createDataSet()

classify0(\[10,10\],group,labels,3)

结果为A

转载于:https://www.cnblogs.com/sclu/p/11535585.html

发表评论取消回复

表情：

评论列表（有 0 条评论，8人围观）

还没有评论，来说两句吧...

相关阅读

相关机器学习实战 k-近邻

　kNN.py 1 from numpy import 引入科学计算包 2 import operator 经典python函数库。运算符模块。

r囧r小猫/ 2023年06月04日 03:55/ 0 赞/ 9 阅读

相关机器学习算法+实战：KNN（k 近邻法）

文章目录 k-近邻法一、KNN 概述二、kNN 场景三、k 近邻算法四、k 近邻模型

旧城等待，/ 2022年12月20日 02:10/ 0 赞/ 450 阅读

相关【机器学习实战】学习笔记 | K-近邻算法

k-近邻算法采用测量不同特征值之间的距离方法进行分类。knn算法不需要经过训练就可以直接计算测试集。knn算法并不一定完全正确，错误率为输出错误的次数除以总的执行次数。优缺

今天药忘吃喽~/ 2022年12月18日 10:58/ 0 赞/ 242 阅读

相关《机器学习实战》笔记（02）：k-近邻算法

k-近邻算法它采用测量不同特征值之间的距离方法进行分类优：精度高、对异常值不敏感、无数据输入假定缺：计算复杂度高、空间复杂度高适用数据范围：数

Dear 丶/ 2022年11月27日 15:41/ 0 赞/ 336 阅读

相关 k近邻算法python_k近邻算法python实现 -- 《机器学习实战》

1 ''' 2 Created on Nov 06, 20173 kNN: k Nearest Neighbors4 5 Input: inX: vector to com

向右看齐/ 2022年11月05日 00:52/ 0 赞/ 265 阅读

相关机器学习实战☛k-近邻算法（K-Nearest Neighbor， KNN）

机器学习实战☛k-近邻算法（K-Nearest Neighbor， KNN）文章目录机器学习实战☛k-近邻算法（K-Nearest Neighbor

古城微笑少年丶/ 2022年09月14日 14:25/ 0 赞/ 214 阅读

相关机器学习实战笔记2(k-近邻算法)

1：算法简单描述给定训练数据样本和标签，对于某测试的一个样本数据，选择距离其最近的k个训练样本，这k个训练样本中所属类别最多的类即为该测试样本的预测标签。简称kNN。通常k

拼搏现实的明天。/ 2022年08月27日 15:56/ 0 赞/ 13 阅读

相关机器学习实战之K近邻算法

k近邻算法概述简单地说,K近邻算法采用测量不同特征值之间的距离方法进行分类。优点 :精度高、对异常值不敏感、无数据输入假定。缺点:计算复杂度高、空间复杂度高。

怼烎@/ 2022年07月11日 08:44/ 0 赞/ 230 阅读

相关《机器学习实战》k-近邻算法

\1、遇到的问题（1）错误信息：AttributeError: ‘dict’ object has no attribute ‘iteritems’ 解决方法：将it

川长思鸟来/ 2022年05月13日 01:30/ 0 赞/ 257 阅读

相关机器学习实战（四）k-近邻算法

文章目录一、k-近邻算法的理解二、简单的例子来更好的理解k近邻算法：三、示例1：k-近邻算法实战之约会网站配对效果判定

不念不忘少年蓝@/ 2021年12月07日 11:53/ 0 赞/ 456 阅读