星空网 > 软件开发 > 数据库

knn

算法很简单,对待分类样本实施近邻投票。其中的k个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别。

knn

在《白话大数据与机器学习》里使用了sklearn里的KNeighborsClassifier来处理数据:

训练模型 clf = KNeighborsClassifier().fit(x, y)

预测数据 clf.predict(x)

 


 

这里我们来实现一下k-近邻算法,看看该算法具体是如果实现的。

 

1 准备数据

首先我们需要一些训练数据 这里使用鸢尾花数据 https://en.wikipedia.org/wiki/Iris_flower_data_set。

这里x是一个(150, 4)2维数组,总共150条数据,打印其中的5条数据看一下:

[[5.1, 3.5, 1.4, 0.2],

 [4.9, 3.0, 1.4, 0.2],

 [4.7, 3.2, 1.3, 0.2],

 [4.6, 3.1, 1.5, 0.2],

 [5.0, 3.6, 1.4, 0.2],

 ... ...]

可以看到每条数据都有4个特征项分别是: 萼片的长度,萼片的宽度,花瓣的长度,花瓣的宽度

 

y是x里每条数据对应的分类:

[0, 0, 1, 1, 2, ...]

可以看到x里对应的分类总共有3种[0,1,2]。

 

2 训练模型

不用训练

 

3. 预测数据

计算待预测数据与训练样本中每条数据之间的距离:

[0.538, 0.509, 0.3, 0.648, 0.141, 0.616, ...]

 

对计算出来的结果排序:

[0.0, 0.3, 0.141, 0.538, 0.616, ...]

 

对距离最小的K条数据所属分类进行投票,这里假设K=3:

[{0: 3, 1: 0, 2: 0}]

可以看到属于分类0的有3条,属于分类1和2的有0条

 

完整代码可以访问github进行下载 https://github.com/azheng333/Ml_Algorithm.git。

 

(完)

 

                   关注大数据尖端技术发展,关注奇点大数据
                       knn




原标题:knn

关键词:

*特别声明:以上内容来自于网络收集,著作权属原作者所有,如有侵权,请联系我们: admin#shaoqun.com (#换成@)。

如何使用Elementor的谷歌地图功能 ?:https://www.ikjzd.com/articles/138614
卖一爆一!2021五大“钱途”指点迷津,垂直站点最吃香:https://www.ikjzd.com/articles/138615
Lazada现在好做吗?复制天猫玩法,早期天猫!:https://www.ikjzd.com/articles/138616
探究中东电商大牛Fordeal:2020疫情时代的成长法则:https://www.ikjzd.com/articles/138617
Q8:独立站FB广告如何进行“种草”?:https://www.ikjzd.com/articles/138618
跨境电商产品侵权被批量下架,究竟做错了什么?:https://www.ikjzd.com/articles/138619
83万单,Halara的TikTok美国小店爆单思路拆解:https://www.kjdsnews.com/a/1836319.html
83万单,Halara的TikTok美国小店爆单思路拆解:https://www.goluckyvip.com/news/186217.html
相关文章
我的浏览记录
最新相关资讯
海外公司注册 | 跨境电商服务平台 | 深圳旅行社 | 东南亚物流