机器学习实战之k-近邻算法(2)---python简单版
来源:互联网 发布:桌面定时提醒软件 编辑:程序博客网 时间:2024/05/18 01:59
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, labelsdef classify0(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 sortedDistIndicies = distances.argsort() classCount = {} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]
>>> import kNN>>> group, labels = kNN.createDataSet()>>> kNN.classify0([0, 0], group, labels, 3)'B'>>>
这是《机器学习实战》的第一份Python代码。
第一份代码文件名为kNN.txt。安装Pyton(x, y)之后,直接打开编辑,然后运行Python shell, 输入命令可以得到点[0,0]的分类('B')。
输入的测试样本是[0,0],训练样本是group, labels, k-近邻的k==3。
下面讲解classify0函数:
(1)距离是欧氏距离---差的平方和的开方。
(2)argsort()函数可以实现对数组的排序,然后返回新的数组的各个元素原来的下标。
(3)取距离从小到大的前k个数组的下标,然后得到这个下标的类别,给这个类别投一票。
(4)voteIlabel是类标签是类标签,classCount字典是存放类别和他们所得的票数。
(5)将classCount按照票数从大到小排序,得到sortedClassCount,然后取出排第一的元素标签,即为测试的结果。
0 0
- 机器学习实战之k-近邻算法(2)---python简单版
- 机器学习实战2:k近邻算法KNN(python)
- 机器学习实战之k-近邻算法(1)---c++简单版
- 机器学习实战之K-近邻算法
- 《机器学习实战》之K-近邻算法
- 机器学习实战之k-近邻算法
- 机器学习实战之K近邻算法
- Python机器学习实战--(k-近邻算法)
- 《机器学习实战》学习笔记之k-近邻算法2
- 机器学习实战笔记之二(k-近邻算法)
- K近邻算法(机器学习实战)
- python机器学习之K近邻算法
- python机器学习之 K-近邻算法
- 机器学习之K-近邻算法(Python描述)实战百维万组数据
- 机器学习实战-第2章(k-近邻算法)
- 机器学习实战(第2章 k-近邻算法)
- 机器学习之K-近邻算法(Python描述)基础
- 机器学习python实战——K近邻算法
- aspose.cell 使用总结1 ~~实现单sheet和多sheet功能及表单属性设定
- OALGetSiliconIdCode 实现
- 布隆过滤器
- ubuntu上面的openni ,kinect 安装
- 第十四周项目四:电子词典
- 机器学习实战之k-近邻算法(2)---python简单版
- 输出tuple和chrono的使用小例子
- 第十四周项目6-阅读程序1(对continue的理解)
- 【c++程序】深层复制构造函数
- ril的部分解析
- ubantu下gcc编译器的安装、vim安装以及第一个helloworld的测试
- 数据结构与算法分析笔记(8)——二叉树和树
- leetcode:Trapping Rain Water
- TCP,UDP,Socket和HTTP