python实现一个简单的knn算法

最新推荐文章于 2020-12-03 01:11:06 发布

原创最新推荐文章于 2020-12-03 01:11:06 发布 · 259 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #算法

python 同时被 2 个专栏收录

20 篇文章

订阅专栏

机器学习

6 篇文章

订阅专栏

本文通过使用Python的sklearn库，展示了KNN算法在分类和回归任务中的应用实例。在分类任务中，通过设定k=3，成功预测了输入数据的类别；在回归任务中，同样设定k=3，预测了父母平均身高与子女身高的关系。

这里呢用的是python的一个强大的机器学习库sklearn库
用他的一些方法来实现，这是一个简单的knn算法实现，所以k没有使用交叉验证确定，直接选择k=3


x=[[164],[168],[187],[167],[174],[162],[175],[170],[176],
[169],[178],[165],[183],[171],[179],[172],[173],[172],[175],
]
y=[0,0,2,0,1,0,1,1,1,0,1,0,2,1,1,1,1,1,1]

from sklearn import neighbors
neigh=neighbors.KNeighborsClassifier(n_neighbors=3)#最近邻分类算法，k=3

neigh.fit(x,y)
print(neigh.predict(171))#输入一个数据来测试

结果是[1]

son_height=[[164],[168],[187],[167],[174],[162],[175],[170],[176],
[169],[178],[165],[183],[171],[179],[172],[173],[172],[175],
]
parents_average_height=[157.5,162.5,168.5,166.5,168.5,152.5,165,160.5,163.5,160.5,166,160.5,169,163,166,161.5,161,161.5,166]

from sklearn import neighbors
neigh=neighbors.KNeighborsRegressor(n_neighbors=3)#最近邻回归算法，k=3
neigh.fit(son_height,parents_average_height)
print(neigh.predict(168))#输入一个数据来测试