机器学习实战代码详细注释之kNN算法
来源:互联网 发布:油菜花粉 知乎 编辑:程序博客网 时间:2024/05/21 23:31
近来在学习机器学习的八大算法,看到了《机器学习实战》这本好书,然而我感觉它的代码架构太过突然,好像难以让初学者迅速看懂到底每一步发生了什么,我决定将代码全部注释一遍
这个实现的难点在于这一段的取巧,使用了矩阵来整体处理数据,建议看不懂的话直接去debug模式看看矩阵长什么样子
请配合原书观看
from numpy import *import operatordef createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labelsgroup,labels = createDataSet()##inX是被分类的向量,dataSet是数据集,labels是数据集标签,k是参数def classify(inX,dataSet,labels,k): dataSetSize = dataSet.shape[0] ##将矩阵作为分块子阵,创建dataSetSize行,1列的矩阵,并且整个矩阵减去数据集,整个矩阵变成了坐标差 diffMat = tile(inX,(dataSetSize,1))-dataSet sqDiffMat = diffMat**2 ##将所有列向量求和 sqDistances = sqDiffMat.sum(axis=1)##axis就是沿着第二个轴的意思,也就是列 distances = sqDistances**0.5##现在得到了一个1行dataSet列的矩阵,代表的是每个数据和这个点的距离 ##利用argsort()方法得到排序后的下标 sortedDistIndicies = distances.argsort() ##对k个邻居进行投票 classCount={} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] ##这一步就可以直接利用map.get()中的默认值,创建不存在的key classCount[voteIlabel] = classCount.get(voteIlabel,0)+1 sortedClassCount = sorted(classCount.items(),key = operator.itemgetter(1),reverse=True) return sortedClassCount[0][0]print(classify([0,0],group,labels,3))
阅读全文
1 0
- 机器学习实战代码详细注释之kNN算法
- 机器学习实战ch02 KNN k-近邻算法代码注释
- 机器学习实战:KNN 代码注释(python)
- 《机器学习实战》之KNN代码基础
- 机器学习实战之KNN算法详解
- 机器学习实战之KNN算法
- 机器学习实战之KNN算法
- 机器学习实战之knn算法
- KNN算法Python实现(代码来自机器学习实战)及注释
- 机器学习实战 KNN代码
- 机器学习实战-KNN算法
- 机器学习实战 KNN算法
- 《机器学习实战》-- KNN算法
- 机器学习实战 kNN算法
- 机器学习实战-KNN算法
- 机器学习实战--KNN算法
- 机器学习实战-KNN 算法
- 机器学习实战:KNN算法
- HDU6047 Maximum Sequence
- 机器学习之感知机模型及其实现
- html5 canvas浅介(二)
- Java继承的概念与实现
- 过滤器
- 机器学习实战代码详细注释之kNN算法
- hdu 1075-What Are You Talking About(Map&&字典树)
- spring-boot项目(idea工具)热部署(亲测有效)
- jQuery UI 主题
- 超图谱聚类
- 关于 JSTL中类库导入的问题
- maven介绍以及安装使用
- 数据库索引中包含的数据结构有哪些
- HDU 1429 胜利大逃亡(续)