机器学习实战 第2章 k-近邻算法
来源:互联网 发布:java 获取jar包内容 编辑:程序博客网 时间:2024/06/11 16:38
原理:
选取k个最近的样本,样本中比例最大的种类即是新数据的分类。
简单的分类器:
from numpy import *import operator def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labelsg,la = createDataSet()def 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; sortedDis = distances.argsort() classCount = {} for i in range (k): votelabel = labels[sortedDis[i]] classCount[votelabel] = classCount.get(votelabel,0) + 1 sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1),reverse = True) return sortedClassCount[0][0]print classify0([0,0],g,la,3)
0 0
- 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
- 机器学习实战---读书笔记: 第2章 k-近邻算法
- 机器学习实战—第2章 k-近邻算法
- 机器学习实战(第2章 k-近邻算法)
- 【机器学习实战】第2章 K-近邻算法(k-NearestNeighbor,KNN)
- 《机器学习实战》课程笔记(第2章) k-近邻算法
- 代码注释: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(KNN)
- 机器学习实战第2章-K近邻算法(KNN)
- 机器学习实战之K-近邻算法
- 机器学习实战笔记 K近邻算法
- 《机器学习实战》之K-近邻算法
- 机器学习实战-k近邻算法
- 机器学习实战 k-近邻算法
- 【机器学习实战】-k近邻算法
- 《机器学习实战》—K-近邻算法
- 【机器学习实战一:K-近邻算法】
- thymeleaf中js及html中特殊符号的转义问题
- Ext.js5表单—购物车付款表(表单绑值copy)( listConfig)(43)
- 如何设置android 5.0主题,状态栏,toolbar颜色设定
- Git Create a new repository
- liunx
- 机器学习实战 第2章 k-近邻算法
- Java基础系列四、面向对象
- poj 1182 食物链 并查集
- Hibernate表关联对象转Json双向关联解析过度
- Hello : break continue return
- (转)14个值得推荐的提升个人能力的方法
- struct和typedef struct
- HelloCSDN
- spring事务声明的几种传播特性