Python实现KNN回归
2017-07-18 11:05
218 查看
KNN算法不仅可以用于分类,还可以用于回归。通过找出一个样本的k个最近邻居,将这些邻居的属性的平均值赋给该样本,就可以得到该样本的属性。
以下是KNN回归(calendar_strategy_KNN.py)中用到的部分代码:
其中fit(x,y)表示 :
x作为训练样本,y作为目标值。即找到x最近的k个邻居的y值,将其加权平均(weights=’distance’),将平均后的值作为此样本的y值。
参考文献(K近邻回归算法实现):
http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html#sklearn.neighbors.KNeighborsRegressor%20K%E8%BF%91%E9%82%BB%E5%9B%9E%E5%BD%92python%E5%AE%9E%E7%8E%B0
以下是KNN回归(calendar_strategy_KNN.py)中用到的部分代码:
X = np.array(X) Y = np.array(Y) X = X.reshape(-1,1) Y = Y.reshape(-1,1) X_test = np.array(OutofExpectation) clf=knr(n_neighbors=Events_minimum_counts, weights='distance').fit(X,Y) Y_test = clf.predict(X_test)
其中fit(x,y)表示 :
x作为训练样本,y作为目标值。即找到x最近的k个邻居的y值,将其加权平均(weights=’distance’),将平均后的值作为此样本的y值。
参考文献(K近邻回归算法实现):
http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsRegressor.html#sklearn.neighbors.KNeighborsRegressor%20K%E8%BF%91%E9%82%BB%E5%9B%9E%E5%BD%92python%E5%AE%9E%E7%8E%B0
相关文章推荐
- KNN-用于回归的python实现
- 最小二乘回归树Python实现——统计学习方法第五章课后题
- [Machine Learning]多元线性回归与多项式回归Python实现
- 机器学习-逻辑回归(python3代码实现)
- 基于KNN的newsgroup 18828文本分类器的Python实现
- 机器学习专题(一)——KNN算法的python实现
- KNN分类算法及python代码实现
- 【机器学习算法-python实现】逻辑回归的实现(LogicalRegression)
- 机器学习与数据挖掘系列算法之--knn的python实现
- 【机器学习算法-python实现】KNN-k近邻算法的实现(附源码)
- KNN算法---Python实现
- 机器学习经典算法详解及Python实现--K近邻(KNN)算法
- 【机器学习实战-kNN(k-近邻)】python3实现-书本知识【1】
- 李航《统计学习方法》第三章——用Python实现KNN算法(MNIST数据集)
- Python实现knn
- Logistic回归 python实现
- 最简单的K近邻算法 KNN python实现
- KNN算法原理(python代码实现)
- KNN分类算法--python实现
- python实现带l1正则化的逻辑回归,采用sgd。