机器学习之K-近邻算法
2017-07-26 11:13
501 查看
KNN源码实现
from numpy import * import operator def createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return group,labels def classify0(inx,dataSet,labels,k): dataSetSize=dataSet.shape[0] diffMat=tile(inx,(dataSetSize,1))-dataSet sqDiffMat=diffMat**2 sqDistances=sqDiffMat.sum(axis=1) distances=sqDistances**0.5 sortedDistIndicies=distances.argsort() classCount={} for i in range(k): voteIlabel=labels[sortedDistIndicies[i]] classCount[voteIlabel]=classCount.get(voteIlabel,0)+1 sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True) return sortedClassCount[0][0] if __name__ == '__main__': group,labels=createDataSet() print(classify0([0,0],group,labels,3))
相关文章推荐
- 机器学习之K-近邻算法
- 机器学习之K-近邻算法(Python描述)基础
- 机器学习之k-近邻(kNN)算法与Python实现
- 机器学习之K-近邻算法(Python描述)实战百维万组数据
- 机器学习之K-近邻算法
- 机器学习之k-近邻算法
- 机器学习之K-近邻算法代码实现
- 机器学习之K-近邻算法代码分析
- 机器学习之K-近邻算法
- 机器学习之K-近邻算法
- 机器学习笔记--K-近邻算法(三)
- 机器学习实战之k-近邻算法(2)---python简单版
- 基本分类方法——KNN(K近邻)算法
- python k-近邻算法
- 机器学习(二)k-近邻分类算法(kNN)
- k-近邻算法用于实际应用
- 机器学习之二:K-近邻(KNN)算法
- K-近邻算法(kNN)详解
- K-近邻算法之Python实现
- K-近邻算法(kNN)