Python 机器学习 K-近邻算法

最新推荐文章于 2024-02-01 22:00:32 发布

转载最新推荐文章于 2024-02-01 22:00:32 发布 · 336 阅读

文章标签：

#Python #机器学习

Python 同时被 2 个专栏收录

4 篇文章

订阅专栏

机器学习

1 篇文章

订阅专栏

本文介绍了一个使用K近邻(KNN)算法进行分类的实例。通过创建数据集并定义分类函数，演示了如何根据输入样本预测其类别。文章还介绍了如何安装必要的numpy模块，并在Python环境中运行示例代码。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from numpy import *
import operator

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

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount={}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

安装所需要的numpy模块

yum install install python-numpy python-scipy python-matplotlib

python 进去 python命令行

import kNN

group,labels = kNN.createDataSet()

kNN.classify0([0,0],group,labels,3)

输出结果为