python knn分类算法

最新推荐文章于 2025-05-24 16:39:51 发布

qinweibig

最新推荐文章于 2025-05-24 16:39:51 发布

阅读量238

点赞数

CC 4.0 BY-SA版权

分类专栏：浙江大学PAT 甲级考试 python

本文链接：https://blog.youkuaiyun.com/qinweibig/article/details/82688539

浙江大学PAT 甲级考试同时被 2 个专栏收录

44 篇文章

订阅专栏

python

8 篇文章

订阅专栏

本文详细介绍了一个基于欧几里得距离的K最近邻(KNN)分类算法实现。通过具体实例，展示了如何计算样本间的距离，选取最近邻样本进行分类预测。代码中包含了距离计算、邻居选择及响应类别获取等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import math
import operator
def euclideanDistance(inst1,inst2,length):
    distance=0
    for x in range(length):
        distance+=pow((inst1[x]-inst2[x]),2)
    return math.sqrt(distance)

def getNeightbors(trainningSet,testInstance,k):
    distances=[]
    length=len(testInstance)-1
    for x in range(len(trainingSet)):
        dist=euclideanDistance(testInstance,trainingSet[x],length)
        distances.append((trainningSet[x],dist))
    distances.sort(key=operator.itemgetter(1))
    neighbors=[]
    for x in range(k):
        neighbors.append(distances[x][0])
    return neighbors

def getResponse(neighbors):
    classvotes={}#定义字典
    for x in range(len(neighbors)):
        response=neighbors[x][-1]
        if response in classvotes:
            classvotes[response]+=1
        else:
            classvotes[response]=1
    sortedvotes=sorted(classvotes.items(),key=operator.itemgetter(1),reverse=True)
    return sortedvotes[0][0]

trainingSet=[[1,1,1,'a'],[2,2,2,'a'],[1,1,3,'a'],[4,4,4,'b'],[0,0,0,'a'],[4,4.5,4,'b']]
testInstance=[5,5,5]
k=5
neighbors=getNeightbors(trainingSet,testInstance,k)
response=getResponse(neighbors)
print(neighbors)
print(response)