机器学习实战第一课之k近邻算法 KNN
来源:互联网 发布:淘宝客服注意事项 编辑:程序博客网 时间:2024/05/16 16:09
KNN
优点:精度高、对异常值不敏感,无数据输入假定。
缺点:计算复杂度高、空间复杂度高。
适用数据范围:数值型和标称型。
算法思想:
对未知类别属性的数据集中的每个点一次执行以下操作:
1.计算已知类别数据集中的点和当前点之间的距离
2.按照距离递增排序
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
Python实现
def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize,1)) - dataSet #计算距离 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]] #选择距离最小的k个点 classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #排序 return sortedClassCount[0][0]
classify0()函数有4个输入参数:用于分类的输入向量是inX,输入的训练样本集是dataSet,标签向量为labels,最后的参数k表示用于选择最近邻的数目,其中标签向量的元素数目和矩阵dataSet的行数相同。
上面的实现过程使用的欧式距离,计算xA和xB之间的距离。
将文本记录到转换Numpy的解析程序
def file2matrix(filename): fr = open(filename) numberOfLines = len(fr.readlines()) #得到文件行数 returnMat = zeros((numberOfLines,3)) #创建返回的NumPy矩阵 classLabelVector = [] fr = open(filename) index = 0 for line in fr.readlines(): line = line.strip() #解析文件数据到列表 listFromLine = line.split('\t') returnMat[index,:] = listFromLine[0:3] classLabelVector.append(listFromLine[-1]) index += 1 return returnMat,classLabelVector
准备数据:归一化数值
如果将数值取值范围处理为0到1之间
newValue = (oldValue - min) / (max-min)
def autoNorm(dataSet): minVals = dataSet.min(0) maxVals = dataSet.max(0) ranges = maxVals - minVals normDataSet = zeros(shape(dataSet)) m = dataSet.shape[0] normDataSet = dataSet - tile(minVals, (m,1)) normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide return normDataSet, ranges, minVals
0 0
- 机器学习实战第一课之k近邻算法 KNN
- 机器学习实战:K近邻算法(kNN)
- 【机器学习实战之一】:C++实现K-近邻算法KNN
- 【机器学习实战】:C++实现K-近邻算法KNN
- 《机器学习实战》(二)k-近邻算法(KNN)
- 机器学习实战2:k近邻算法KNN(python)
- 机器学习实战——k-近邻算法(KNN)
- 《机器学习实战》--k近邻分类算法kNN
- 机器学习实战笔记(Python)-01-K近邻算法(KNN)
- 机器学习实战1:K近邻算法(KNN)
- 机器学习实战笔记-01k近邻算法(kNN)
- 机器学习实战——KNN(K近邻算法)
- 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
- 《机器学习实战》K近邻(KNN)分类
- 浅析C++多线程编程理论与实践
- 精美后台系统模板
- 104.Maximum Depth of Binary Tree Add to List
- Linux学习之——挂载命令
- NOIP2008解题报告(C/C++)(笨小猴)(火柴棒等式)(传纸条)(双栈排序)
- 机器学习实战第一课之k近邻算法 KNN
- MVP框架设计详解
- POJ-1260 Pearls 【DP】
- IOS 权限
- 博客前台模板
- POJ1338 Ugly Numbers 堆优化+模拟
- 【Mongoose】Mongoose增删改查
- spring的ioc与注入
- 如何访问谷歌