KNN 鸢尾花

最新推荐文章于 2024-04-01 10:59:59 发布

原创

最新推荐文章于 2024-04-01 10:59:59 发布 · 342 阅读

1 ·

CC 4.0 BY-SA版权

这篇博客主要介绍了作者使用原生Python实现KNN算法的过程，包括算法设计、源代码展示、运行结果和调试分析。通过KNN算法的学习，作者对机器学习有了初步的认识，理解了其基于数据构建模型并进行预测的思想。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、作业题目

原生python实现knn算法

2、算法设计

在这里插入图片描述

3、源代码

import random
import time
import math
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

class MyKNN:
    
    def __init__(self, n_neighbors):
        '''指定近邻个数'''
        self.n_neighbors = n_neighbors # 近邻数
        # self.x_new = [] # 预测数据集
        
    def predict(self, x_new):
        '''预测模型'''
        targetList = [] # 存储预测数据的预测所属类
        for i in range(len(x_new)):
            tp = x_new[i]
            #print(tp)
            distList = self.get_deftDist(tp) # 获取此时测试数据x_new[i]与预先序列的距离
            for j in range(len(self.x_train)):
                Lmax = max(distList)
                L = 0
                for k in range(len(self.x_train[j])):
                    L += (tp[k]-self.x_train[j][k])**2 # 遍历训练集，计算当前x_new[i]训练集与x_train[j]的距离
                L =