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: 久草婷婷在线 | 日韩欧美h | 日本一区二区在线 | 手机看片日韩日韩国产在线看 | 热久久视久久精品18国产 | 亚欧成人毛片一区二区三区四区 | 欧美成人鲁丝片在线观看 | 亚洲另类伦春色综合妖色成人网 | 精品免费一区二区三区 | 色www 永久免费网站 | 日本欧美久久久久免费播放网 | 91国在线观看 | 最新国产麻豆精品 | 国产在线五月综合婷婷 | 欧美成人毛片免费网站 | 国产一区二区三区在线 | 亚洲成人综合网站 | 四虎影院最新入口 | 99久久精品国产综合一区 | 欧洲性大片xxxxx久久久 | 黄页在线播放网址 | 伊人久久综合网站 | 欧美日韩在线成人免费视频大全 | 国产成人精品一区二三区在线观看 | 精品国产hd | 国产欧美日韩中文久久 | 欧美成在线视频 | 黄色片网站观看 | 日韩啊啊啊 | 99久久国产免费中文无字幕 | 九九热视频精品 | 波多野结衣一区二区在线 | 天海翼精品久久中文字幕 | 亚洲精品国产精品乱码视色 | 久久乐国产精品亚洲综合m3u8 | 5151四虎永久在线精品免费 | 亚洲日本va中文字幕 | 日本精高清区一 | 天天舔天天射天天操 | 国产精品免费一区二区三区四区 | 四虎永久免费884hutv |