K-近邻算法(kNN)python实现
2017-07-27 10:39
661 查看
机器学习实战第二章
K-近邻算法采用测量不同特征之间的距离方法进行分类。
kNN.py
from numpy import * import operator """ inX:用于分类的输入向量 dataSet:输入的训练样本集 labels:标签向量 k:选择最近邻居的数目 """ def classify0(inX,dataSet,labels,k): dataSetSize=dataSet.shape[0] """ ①计算已知类别数据集中的点与当前点之间的距离 """ diffMat=tile(inX,(dataSetSize,1))-dataSet sqDiffMat=diffMat**2 sqDistances=sqDiffMat.sum(axis=1) distance=sqDistances**0.5 """ ②按照距离递增次序排序 """ sortedDistIndicies=distance.argsort() """ ③选取与当前点距离最小的k个点 """ classCount={} for i in range(k): voteIlabel=labels[sortedDistIndicies[i]] classCount[voteIlabel]=classCount.get(voteIlabel,0)+1 """ ④排序,确定前k个点所在类别的出现频率 """ sortedClassCount=sorted(classCount.items(), key=operator.itemgetter(1),reverse=True) """ 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 """ return sortedClassCount[0][0]
kNNTest.py
import kNN from numpy import * """ 创建数据集和标签 """ def createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return group,labels dataSet,labels=createDataSet() inX=([1.0,1.2]) kNN.classify0(inX,dataSet,labels,3)
相关文章推荐
- 机器学习经典算法详解及Python实现--K近邻(KNN)算法
- KNN(k-近邻)分类算法讲解与实现(python)
- 机器学习实战python3 K近邻(KNN)算法实现
- K近邻(KNN)算法---Python实现(一)
- 机器学习经典算法详解及Python实现--K近邻(KNN)算法
- 分类算法系列1-----KNN(K近邻)算法思想和python实现
- 机器学习经典算法详解及Python实现--K近邻(KNN)算法
- 机器学习之k-近邻(kNN)算法与Python实现
- K近邻(knn)算法简介及用python实现
- k近邻(kNN)算法的Python实现(基于欧氏距离)
- 机器学习经典算法详解及Python实现–K近邻(KNN)算法
- 机器学习KNN python算法实现
- TensorFlow实现knn(k近邻)算法
- Python简单实现KNN算法及绘图练习
- Python实现KNN算法
- KNN (K最近邻接算法)python 语言下的简单实现
- kNN分类算法python实现
- K-近邻算法的python实现代码分享
- Python3.2 实现基于KNN算法的数据分类
- Python语言实现机器学习的K-近邻算法