#inx @ 需要判斷的輸入向量
#dataset @ 已知的樣本集
#labels @ 樣本集的標籤（分類）向量
#k @ 最相近的幾個值
defclassify0
(inx, dataset, labels, k):
#計算距離
datasetsize = dataset.shape[0]
diffmat = np.tile(inx, (datasetsize,1)) - dataset
sqdiffmat = diffmat**2
sqdistances = sqdiffmat.sum(axis=1)
distances = sqdistances ** 0.5
sorteddistindicies = distances.argsort()
classcount = {}
#距離最小的k個點
for i in range(k):
voteilabel = labels[sorteddistindicies[i]]
classcount[voteilabel] = classcount.get(voteilabel, 0) + 1
sortedclasscount = sorted(classcount.items(),
key=operator.itemgetter(1), reverse=true)
return sortedclasscount[0][0]
(0−67
)2+(
20000
−32000)2
+(1.1−
0.1)2）
−−−−
−−−−
−−−−
−−−−
−−−−
−−−−
−−−−
−−−−
−−−√
為了消除這種影響，常採用數值歸一化處理，將取值範圍處理為[0,1]或[-1, 1]之間。
計算公式如下： ne
wval
ue=o
ldva
lue−
minm
ax−m
in下面有一些常用函式：
array.shape 函式
#返回多維陣列的維數
arrary.shape
#返回行數
array.shape[0]
#返回列數
array.shape[1]
格式：tile（a,reps）
* a：array_like
* 輸入的array
* reps：array_like
* a沿各個維度重複的次數
a=[1,2]
tile(a,2)
# 結果：[1,2,1,2]
tile(a, (2,3))
#結果：[[1,2,1,2，1,2], [1,2,1,2,1,2]]
tile(a, (2,2,3))
#結果：[[[1,2,1,2,1,2], [1,2,1,2,1,2]],
[[1,2,1,2,1,2], [1,2,1,2,1,2]]]
tile（a, 2）表示a的第乙個維度（行）重複2遍，
tile（a, (2,3)）表示a的第乙個維度（列）重複3遍，然後第二個維度（行）重複2遍，
tile（a, (2,2,3)）表示a的第乙個維度重複3遍，第二個維度重複2遍，第三個維度重複2遍。
array.sum(axis=1)
將乙個矩陣的每一行向量相加
a = np.array([[0, 2, 1]])
print a.sum()
print a.sum(axis=0)
print a.sum(axis=1)
結果分別是：3, [0
12], [3]
b = np.array([0, 2, 1])
print b.sum()
print b.sum(axis=0)
print b.sum(axis=1)
結果分別是：3, 3, 執行錯誤：'axis' entry is out of bounds
可知：對一維陣列，只有第0軸，沒有第1軸
c = np.array([[0, 2, 1], [3, 5, 6], [0, 1, 1]])
print c.sum()
print c.sum(axis=0)
print c.sum(axis=1)
結果分別是：19, [3
88], [ 3
142]
axis=1, 表示行。
str.split()
通過指定分割符對字串進行切片，返回字串列表
string = "www.gziscas.com.cn"
# 以'.'為分隔符
print(string.split('.'))
['www', 'gziscas', 'com', 'cn']
陣列中的最大，最小值
array.min(0) #陣列中每一列的最小值
[第一列的最小值，第二列的最小值，第三列的最小值，......]
array.max(0) #最大值
myfile = open('c:\new\text.dat', 'w')
#這樣的話會被誤認為\n為換行符、\t為製表符、而被轉義、
#因此可以加上個r、表示raw字元、不進行轉義
myfile = open(r'c:\new\text.dat', 'w')
myfile = open('c:/new/text.dat', 'w')k 近鄰演算法
此文章參考機器學習實戰一書，具體的理論知識可以參考該書。本文的初衷只是為了做乙個複習，將學過的知識加以整理，其中不免有一定的錯誤。2.k 近鄰演算法的原理介紹 k 近鄰演算法通過測量不同的特徵值之間的距離進行分類。它的工作原理如下 存在乙個樣本的資料集合，也成為訓練樣本集合。並且樣本集中的每個資料都...
K 近鄰演算法
k 近鄰演算法採用測量不同特徵值之間的距離方法進行分類。優點 精度高 對異常值不敏感 無資料輸入假定 缺點 計算複雜度高 空間複雜度高 適用資料範圍 數值型和標稱型 工作原理 存在乙個樣本資料集合，也稱作訓練樣本集，並且樣本集中每個資料都存在標籤，即我們知道樣本集中每一資料與所屬分類的對應關係。輸入...
K 近鄰演算法
首先，我們將 k 近鄰演算法的基本理論 其次我們將使用python從文字檔案中匯入並解析資料 再次，討論當存在許多資料 的時，如何避免計算距離時可能碰到的一些常見錯誤 最後，利用實際的例子講解如何使用k 近鄰演算法改進約會 1.1 knn演算法 工作原理 存在乙個樣本資料集合，也稱作訓練樣本集，並且...