《机器学习实战》——k-近邻算法Python实现问题记录
来源:互联网 发布:js原生与jquery 编辑:程序博客网 时间:2024/05/20 04:12
《机器学习实战》第二章k-近邻算法,自己实现时遇到的问题,以及解决方法。做个记录。
1.写一个kNN.py保存了之后,需要重新导入这个kNN模块。报错:no module named kNN.
解决方法:1.将.py文件放到 site_packages 目录下2.在调用文件中添加sys.path.append("模块文件目录");
import sys
sys.path.append('c:\xxxx\b.py') # 这个例子针对 windows 用户来说的
2.上面的问题解决之后,import kNN。报错:only 2 non-keyword arguments accepted。
问题所在:貌似是粗心少写了两个中括号
本来是array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]),结果少写了最外面的两个中括号-_-||
3.继续写k-近邻算法函数,保存到kNN.py之后,输入命令:kNN.classify0([0,0],group,labels,3)
报错:module' object has no attribute 'classify0'
解决方法:重启Python IDLE即可。
把代码也贴在这里吧,如果保存到电脑里,过一段时间就忘了在哪了。还是放在这里保险点.
kNN.py:
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,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]
结果还不错。
0 0
- 《机器学习实战》——k-近邻算法Python实现问题记录
- 机器学习python实战——K近邻算法
- 《机器学习实战》——K近邻算法实现
- 《机器学习实战》——k-近邻算法实现
- 《机器学习实战》—K-近邻算法
- python机器学习实战1:实现k-近邻算法
- 机器学习—K近邻,KD树算法python实现
- 机器学习实战—知识梳理—k-近邻算法
- 机器学习实战——第二章:K-近邻算法
- 机器学习实战——k-近邻算法(KNN)
- <机器学习实战>——k近邻算法
- 机器学习实战笔记(1)——k-近邻算法
- 机器学习实战笔记(1)——k-近邻算法
- 机器学习实战笔记(1)——k-近邻算法
- 机器学习实战——KNN(K近邻算法)
- 机器学习实战——K-近邻算法(读书笔记)
- 读懂《机器学习实战》代码—K-近邻算法
- 机器学习实战—第2章 k-近邻算法
- Linux_ pipe 匿名管道 浅解
- ajax jsonp 跨域
- 如何快速将idea快捷键转化成Eclipse风格
- bzoj 3343: 教主的魔法
- Spring框架中IOC和aop
- 《机器学习实战》——k-近邻算法Python实现问题记录
- RxJava中的错误处理
- python3中的mysql数据库操作
- 对委托的初步研究
- mysql update语句的用法详解
- leetcode_033 Search in Rotated Sorted Array
- 蓝桥杯_算法提高_金明的预算方案(动态规划、01背包变形)
- 对手势分发机制的一些理解
- 火车调度问题