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: 国产精品香蕉 | 妖精视频一区二区三区 | 欧美xxxxx九色视频免费观看 | 综综综综合网 | 日韩欧美一区二区在线 | 尹人综合网 | 老司机精品在线观看 | 中文字幕在线视频免费 | 国产精自产拍久久久久久蜜 | 国产精品第二页在线播放 | 四虎影视在线影院在线观看 | 国内精品久久久久香蕉 | 91精品国产91久久久久久 | 国产精品免费精品自在线观看 | 99精品国产一区二区三区 | 久久国产一片免费观看 | 深夜免费网站 | 久久手机视频 | 欧美精品亚洲一区二区在线播放 | 不卡一二区 | 一级做a爱片特黄在线观看免费看 | 99久久影视 | 国内精品久久久久影院网站 | 欧美国一级毛片片aa | 日本高清不卡码 | 色综合啪啪 | 久草免费在线观看视频 | 久草b | 国产视频a区 | 成人国产精品一级毛片视频 | 日本中文字幕一区二区有码在线 | 久久精品美女视频 | 91亚洲国产三上悠亚在线播放 | 亚洲第一页在线播放 | 欧美大片在线观看成人 | 免费久久精品国产片香蕉 | 最新国产精品视频 | 国产欧美精品一区二区三区四区 | 高清国产天干天干天干不卡顿 | 欧日韩不卡在线视频 | 插久久|