knn演算法不僅可以用於分類，還可以用於回歸。通過找出乙個樣本的k個最近鄰居，將這些鄰居的屬性的平均值賦給該樣本，就可以得到該樣本的屬性。
以下是knn回歸（calendar_strategy_knn.py）中用到的部分**：
x = np.array(x)
y = np.array(y)
x = x.reshape(-1,1)
y = y.reshape(-1,1)
x_test = np.array(outofexpectation)
clf=knr(n_neighbors=events_minimum_counts, weights='distance').fit(x,y)
y_test = clf.predict(x_test)
x作為訓練樣本，y作為目標值。即找到x最近的k個鄰居的y值，將其加權平均（weights=』distance』），將平均後的值作為此樣本的y值。
參考文獻（k近鄰回歸演算法實現）：
KNN回歸python實現
import numpy as np import pandas as pd data pd.read csv r f 資料集 iris資料集 iris.csv 刪除unnamed 0與species對應的列 特徵 因為現在進行回歸 類別資訊就沒有用處了 data.drop unnamed 0 sp...
筆記 KNN演算法實現分類和回歸
class knn def init self,k 初始化 self.k k deffit self,x,y 訓練方法 x 類陣列型別 二維 待訓練的樣本特徵 屬性 y 一維 樣本的目標值 標籤 self.x np.asarray x 轉化為ndarray陣列型別 self.y np.asarray...
kNN做回歸任務
knn常用作分類任務，但是也可以做回歸任務。做法 使用knn計算某個資料點的 值時，模型會從訓練資料集中選擇離該資料點最近的k個資料點，並且把他們的y值取均值，把該均值作為新資料點的 值。此次 演示使用資料庫中的鳶尾花資料集，通過前三個的特徵值，第四個特徵值。根據前三個特徵找出新資料的k個最近鄰，將...