Python代码及注释：最邻近分类器KNN

Magic_Anthony

于 2018-05-28 10:22:26 发布

阅读量737

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签：机器学习 python KNN 最邻近分类器

本文链接：https://blog.youkuaiyun.com/Magic_Anthony/article/details/80476343

该博客介绍了一个使用Python实现KNN（最邻近分类器）的完整过程，包括读取数据、计算欧几里得距离、确定最近邻、分类投票以及评估准确率。通过loadDataset函数划分训练集和测试集，使用euclideanDistance计算距离，getNeighbors获取最近邻，getResponse进行分类决策，最后计算模型的准确性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#Author:Anthony
import csv#读取数据用的
import random
import math
import operator

def loadDataset(filename,split,trainingSet=[],testSet=[]):#加载数据集，按概率划分数据集
    with open(filename,'rb') as csvfile:#打开文件
         lines=csv.reader(csvfile)#读取csv文件
         dataset=list(lines)#将文件变成列表形式
         for x in range(len(dataset)-1):
             for y in range(4):
                 dataset[x][y]=float(dataset[x][y])
             if random.random()<split:#概率
                trainingSet .append(dataset[x])
             else:
                 testSet.append(dataset[x])

def euclideanDistance(instance1,instance2,length):#欧几里德距离计算，length为维度0到n
    distance=0
    for x in range(length):
        distance+=pow((instance1[x]-instance2[x]),2)#两个实例中对应维度差的平方和
    return math.sqrt(distance)#返回结果的平方根

def getNeighbors(trainingSet,testInstance,k):#测试集的每一个实例与训练集实例中的距离，并将最近的K个点返回
    distances=[]
    length=len(testInstance)-1
    for x in range(len(trainingSet)):
        dist=euc