亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

K近鄰算法的python實現

系統 1534 0

前言

在K近鄰的原始算法中,沒有對K近鄰的方法進行優化,還是遍歷訓練集,找到與輸入實例最近的K個訓練實例,統計他們的類別,以此作為輸入實例類別的判斷。具體的模型理論見:統計學習方法——K近鄰法(原始方法)

1. K近鄰算法的實現

在算法實現的過程中,利用的是歐氏距離進行點與點之間的距離度量。在進行數據運算的時候,沒有利用numpy,而是利用Python中自帶的list來進行數據的計算。

            
              
                def
              
              
                knn
              
              
                (
              
              x
              
                ,
              
              dataSet
              
                ,
              
              labels
              
                ,
              
              k
              
                )
              
              
                :
              
              
    distanceMemories 
              
                =
              
              
                {
              
              
                }
              
              
                # 利用字典來記錄距離
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              
                len
              
              
                (
              
              dataSet
              
                )
              
              
                )
              
              
                :
              
              
        distance 
              
                =
              
               euDis
              
                (
              
              x
              
                ,
              
              dataSet
              
                [
              
              i
              
                ]
              
              
                )
              
              
        distanceMemories
              
                [
              
              i
              
                ]
              
              
                =
              
               distance
    sortResult 
              
                =
              
              
                sorted
              
              
                (
              
              distanceMemories
              
                .
              
              items
              
                (
              
              
                )
              
              
                ,
              
              key 
              
                =
              
              
                lambda
              
                x
              
                :
              
              x
              
                [
              
              
                1
              
              
                ]
              
              
                )
              
              
    distance_min_k 
              
                =
              
               sortResult
              
                [
              
              
                :
              
              k
              
                ]
              
              
    classCount 
              
                =
              
              
                {
              
              
                }
              
              
                # 用來記錄前k個中各個類出現的次數
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              
                len
              
              
                (
              
              distance_min_k
              
                )
              
              
                )
              
              
                :
              
              
                if
              
               labels
              
                [
              
              distance_min_k
              
                [
              
              i
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
              
                ]
              
              
                not
              
              
                in
              
               classCount
              
                :
              
              
            classCount
              
                [
              
              labels
              
                [
              
              distance_min_k
              
                [
              
              i
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
              
                ]
              
              
                ]
              
              
                =
              
              
                0
              
              
        classCount
              
                [
              
              labels
              
                [
              
              distance_min_k
              
                [
              
              i
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
              
                ]
              
              
                ]
              
              
                +=
              
              
                1
              
              
    result 
              
                =
              
              
                sorted
              
              
                (
              
              classCount
              
                .
              
              items
              
                (
              
              
                )
              
              
                ,
              
              key 
              
                =
              
              
                lambda
              
               x
              
                :
              
              x
              
                [
              
              
                1
              
              
                ]
              
              
                ,
              
              reverse 
              
                =
              
              
                True
              
              
                )
              
              
                # 對統計結果,按照字典中的各個值,進行降序排序
              
              
                return
              
               result
              
                [
              
              
                0
              
              
                ]
              
              
                [
              
              
                0
              
              
                ]
              
              
                def
              
              
                euDis
              
              
                (
              
              x
              
                ,
              
              y
              
                )
              
              
                :
              
              
                # 歐式距離的計算
              
              
    dim 
              
                =
              
              
                len
              
              
                (
              
              x
              
                )
              
              
    temp 
              
                =
              
              
                0
              
              
                for
              
               i 
              
                in
              
              
                range
              
              
                (
              
              dim
              
                )
              
              
                :
              
              
        temp 
              
                +=
              
              
                (
              
              x
              
                [
              
              i
              
                ]
              
              
                -
              
               y
              
                [
              
              i
              
                ]
              
              
                )
              
              
                **
              
              
                2
              
              
                return
              
               temp 
              
                **
              
              
                0.5
              
              

dataSet 
              
                =
              
              
                [
              
              
                [
              
              
                3
              
              
                ,
              
              
                104
              
              
                ]
              
              
                ,
              
              
                [
              
              
                2
              
              
                ,
              
              
                100
              
              
                ]
              
              
                ,
              
              
                [
              
              
                1
              
              
                ,
              
              
                81
              
              
                ]
              
              
                ,
              
              
                [
              
              
                101
              
              
                ,
              
              
                10
              
              
                ]
              
              
                ,
              
              
                [
              
              
                99
              
              
                ,
              
              
                5
              
              
                ]
              
              
                ,
              
              
                [
              
              
                98
              
              
                ,
              
              
                2
              
              
                ]
              
              
                ]
              
              
                # 這是機器學習實戰一書上的小例子
              
              
labels 
              
                =
              
              
                [
              
              
                "愛情片"
              
              
                ,
              
              
                "愛情片"
              
              
                ,
              
              
                "愛情片"
              
              
                ,
              
              
                "動作片"
              
              
                ,
              
              
                "動作片"
              
              
                ,
              
              
                "動作片"
              
              
                ]
              
              
                print
              
              
                (
              
              knn
              
                (
              
              
                [
              
              
                18
              
              
                ,
              
              
                90
              
              
                ]
              
              
                ,
              
              dataSet
              
                ,
              
              labels
              
                ,
              
              
                3
              
              
                )
              
              
                )
              
              
                # 輸出結果:愛情片
              
            
          

更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 国产成人综合一区人人 | 久久天天躁夜夜躁2019 | 网色视频 | 天天操天天干天天干 | 国产成人a视频在线观看 | 精品国产看高清国产毛片 | 日韩视频免费在线播放 | 二区视频 | 国产精品久久久久久久久免费 | 精品久久亚洲一级α | 在线观看免费av网站 | 99视频这里有精品 | 亚洲欧美日韩激情在线观看 | 久久久久久久免费 | 亚洲国产一区二区三区最新 | 久久99精品久久久久久黑人 | swag国产精品 | 美女被羞羞视频网站在线 | 99久久免费国产特黄 | 午夜欧美日韩 | 亚洲天堂一区二区三区四区 | 天天操天天碰 | 一区二区三区高清 | 国产精品露脸张开双腿 | 欧美成人免费毛片 | 日本三级强在线观看 | 97在线影院 | 国产一级做a爱免费视频 | 欧美成人69 | 免费人成年短视频在线观看网站 | 日日干夜夜艹 | 国产99视频精品草莓免视看 | 不卡中文字幕在线观看 | 99在线视频观看 | 国产美女在线免费观看 | 亚洲国产日韩欧美综合久久 | 亚洲国产男人本色在线观看的a站 | 在线综合+亚洲+欧美中文字幕 | a加勒比一本东京 | 波多野结衣久久高清免费 | 三级性生活视频 |