K近邻(knn)算法python实现

Ft 2021-10-04 PM 14℃ 0条
import operator
from numpy import*
 
def init():
    grp=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
    lab=['A','A','B','B']
    return grp,lab
 
def Classify(inX,dataset,lab,k):
    # 用于分类的向量inX;数据集dataset;属性向量lab;k近邻
    datasize=dataset.shape[0]# 行大小
    difmt=tile(inX,(datasize,1))-dataset
    # tile: 将inX复制成一个 行大小为datasize,列大小为1的矩阵
 
    ######------ 计算欧几里得距离 ------#######
    sqrdif=difmt ** 2
    sqrdist=sqrdif.sum(axis=1)
    distance=sqrdist** 0.5
    ##########################################
    sortedDisIndex=distance.argsort()
    # 排序后获得索引值
 
    classcnt={}
    for i in range(k):# 取前k个
        vtlab=lab[sortedDisIndex[i]]
        classcnt[vtlab]=classcnt.get(vtlab,0)+1
 
    sortedClasscnt=sorted(classcnt.items(),key=operator.itemgetter(1),reverse=True)
    # sorted:itemgetter(1)按照第二关键字排序,即按照个数从大到小排序(因为reverse=True)
    return sortedClasscnt[0][0]
 
grp,lab=init()
ans=Classify([0,0],grp,lab,3)
print(ans)

https://www.cnblogs.com/zxyqzy/p/10611961.html

您的大名:
万水千山总是情,给个打赏行不行。 打赏
标签: knn

非特殊说明,本博所有文章均为博主原创。

评论啦~