k-临近算法
来源:互联网 发布:只差一个程序员了 编辑:程序博客网 时间:2024/06/05 15:42
对未知类别属性的数据集中的每个点依次执行以下操作:
(1) 计算已知类别数据集中的点与当前点之间的距离;
(2) 按照距离递增次序排列;
(3) 选取与当前点距离最小的k个点;
(4) 确定前k个点所在类别的出现频率;
(5) 返回前k个点出现频率最高的类别作为当前点的预测分类。
距离计算使用的是欧式距离公式。
程序清单:
from numpy import *import operatordef knn(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize, 1)) - dataSet sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis=1) distances = sqDistances ** 0.5 sortedDistances = distances.argsort() classCount = {} for i in range(k): voteIlabel = labels[sortedDistances[i]] #特征值赋给voteIlabel classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]print(knn([1.2, 1.2], array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]), ['A', 'A', 'B', 'B'], 3))
阅读全文
0 0
- K临近算法
- k-临近算法
- k-临近算法
- opencv K临近算法(knearest)
- K-means算法和K临近算法
- k临近算法(k nearest neighbors)
- K临近算法k-Nearest Neighbor algorithm
- python机器学习k临近算法
- K-临近算法介绍和实践
- 聚类算法——K临近(KNN)
- 机器学习实战(python)一 k临近算法。
- 机器学习实战:k-临近算法(一)
- 机器学习实战:k-临近算法(二)
- KNN(K最临近算法)的python实现
- KNN-临近算法
- 机器学习实战_02-k临近
- hdoj 1007 临近点对算法模板
- KNN(NearestNeighbor)临近算法,自然语言讲解
- tensorflow CNN卷积神经网络
- C10K问题
- 熟悉 strspn strcspn 函数的使用
- OC语言学习07-属性生成器
- TensorFlow【深度学习】逻辑分类(Logistic Classification)
- k-临近算法
- 快速排序的c++代码实现
- Day1
- STM32——CAN总线系列
- tomcat调试接口
- JAVA中的几个设计模式
- 我对于游戏框架的理解——框架,消息机制
- HTML&CSS精选笔记_CSS入门
- 无序数组排序后的最大相邻差值求解