Tensorflow实现K近邻分类器
1、K近邻分类模型基本原理
首先,存在一个样本数据集合,也称作训练样本集,井且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属分类的对应关系。输人没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。 一般来说,我们只选择样本数据集中前k个最相似的数据,这就是K近邻算法中k的出处,通常来说,k不大于20.最后选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
K近邻分类模型的三个基本要素:
(1)距离度量
(2)K值的选择
(3)分类决策的规则
2、使用tensorflow实现k近邻分类器
import numpy as np
import os
import tensorflow as tf
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 导入MNIST数据集
from tensorflow.examples.tutorials.mnist import i