学习kNN算法的感受(二)
2016-01-18 22:46
218 查看
(1):先将上述代码保存为kNN.py
(2):再在IDLE下的run菜单下run一下,将其生成python模块
(3): import kNN(因为上一步已经生成knn模块)
(4): kNN.classify0([0,0],group,labels,3) (讨论[0,0]点属于哪一个类)
注:其中【0,0】可以随意换
即【】内的坐标就是我们要判断的点的坐标:
>>> kNN.classify0([0,0],group,labels,3)
'B'
>>> kNN.classify0([0,1],group,labels,3)
'B'
>>> kNN.classify0([0.6,0.6],group,labels,3)
'A'
上述步骤缺少了一步:没有生成KNN模板中对应的变量,即变量只是在模板中声明了一下而没有在shell交互时真正的生成,故修改上述shell命令如下:
(1):先将上述代码保存为kNN.py
(2):再在IDLE下的run菜单下run一下,将其生成python模块
(3): import kNN(因为上一步已经生成knn模块)
>>> group,labels=kNN.createDataSet()
>>> group
array([[ 1. , 1.1],
[ 1. , 1. ],
[ 0. , 0. ],
[ 0. , 0.1]])
>>> labels
['A', 'A', 'B', 'B']
>>> kNN.classify0([0,0],group,labels,3)
'B'
>>>
(4): kNN.classify0([0,0],group,labels,3) (讨论[0,0]点属于哪一个类)
其他不变即可,哈哈哈。。。
(2):再在IDLE下的run菜单下run一下,将其生成python模块
(3): import kNN(因为上一步已经生成knn模块)
(4): kNN.classify0([0,0],group,labels,3) (讨论[0,0]点属于哪一个类)
注:其中【0,0】可以随意换
即【】内的坐标就是我们要判断的点的坐标:
>>> kNN.classify0([0,0],group,labels,3)
'B'
>>> kNN.classify0([0,1],group,labels,3)
'B'
>>> kNN.classify0([0.6,0.6],group,labels,3)
'A'
上述步骤缺少了一步:没有生成KNN模板中对应的变量,即变量只是在模板中声明了一下而没有在shell交互时真正的生成,故修改上述shell命令如下:
(1):先将上述代码保存为kNN.py
(2):再在IDLE下的run菜单下run一下,将其生成python模块
(3): import kNN(因为上一步已经生成knn模块)
>>> group,labels=kNN.createDataSet()
>>> group
array([[ 1. , 1.1],
[ 1. , 1. ],
[ 0. , 0. ],
[ 0. , 0.1]])
>>> labels
['A', 'A', 'B', 'B']
>>> kNN.classify0([0,0],group,labels,3)
'B'
>>>
(4): kNN.classify0([0,0],group,labels,3) (讨论[0,0]点属于哪一个类)
其他不变即可,哈哈哈。。。
相关文章推荐
- android中的sp和wp
- linux 生成的文件或shell后面产生windows无法识别的特殊符号 解决方案
- 51nod 1204:Parity 并查集
- 线程状态与停止、阻塞(join、yield、sleep)、基本信息、优先级JAVA174-177
- Java数据库增删改查
- iOS网络-ZipArchive框架的文件压缩和解压
- [Leetcode]61. Rotate List @python
- shutdown immeidate关闭oracle异常记录,查看告警信息
- ptmalloc源码阅读-malloc_chunk
- pagerank算法的Matlab實現
- oracle中分组中的ROLLUP和CUBE选项
- uva816 Abbott's Revenge(bfs 模拟代码题)
- 2016.01.18 sixth day
- 排序-插入类排序-折半插入排序
- 多线程初探(二)
- HDFS的一致性
- JavaScript-浏览器对象
- unity学习(一)
- POJ-1837-Balance-DP
- HDU 3743 (树状数组,离散化)