k Nearest 最近鄰分類演算法

概述

knn演算法又稱為k最近鄰(k-nearest neighbor classification)分類演算法。所謂的k最近鄰，就是指最接近的k個鄰居（資料），即每個樣本都可以由它的k個鄰居來表達。

knn演算法的核心思想是，在乙個含未知樣本的空間，可以根據離這個樣本最鄰近的k個樣本的資料型別來確定樣本的資料型別。

該演算法涉及3個主要因素：訓練集、距離與相似的衡量、k的大小；主要考慮因素：距離與相似度。

opencv中使用

mat img = onemat;

mat gray;
cvtcolor
(img, gray, cv_bgr2gray)
;int b =20;
int m = gray.rows / b;
//原圖為1000*2000
int n = gray.cols / b;
//裁剪為5000個20*20的小圖塊
mat data,labels;
//特徵矩陣
for(
int i =
0; i < n; i++)}
data.
convertto
(data, cv_32f)
;//uchar型轉換為cv_32f
int samplesnum = data.rows;
int trainnum =
3000
;        mat traindata, trainlabels;
traindata =
data
(range(0
, trainnum)
, range::
all())
;//前3000個樣本為訓練資料
trainlabels =
labels
(range(0
, trainnum)
, range::
all())
;//使用knn演算法
int k =5;
ptr tdata = traindata::
create
(traindata, row_sample, trainlabels)
;//降訓練資料封裝成乙個traindata物件，送入train函式
ptr model = knearest::
create()
;        model->
setdefaultk
(k);
model->
setisclassifier
(true)
;        model->
train
(tdata)
;//**分類
double train_hr =
0, test_hr =0;
// compute prediction error on train and test data
for(
int i =
0; i < samplesnum; i++
)        test_hr /= samplesnum - trainnum;
train_hr = trainnum >
0? train_hr / trainnum :1.;
logi
("accuracy: train = %.1f%%, test = %.1f%%\n"
,               train_hr*
100.
, test_hr*
100.
);

KNN最近鄰分類演算法梳理

k最近鄰 knn，k nearestneighbor 分類演算法是資料探勘分類技術中最簡單的方法之一。其指導思想是 近朱者赤，近墨者黑 即由你的鄰居來推斷出你的類別。所謂k最近鄰，就是k個最近的鄰居的意思，說的是每個樣本都可以用它最接近的k個鄰居來代表。knn最鄰近分類演算法的實現原理 為了判斷未知...

python最近鄰分類器KNN演算法

1.knn演算法 鄰近演算法，或者說k最近鄰 knn，k nearestneighbor 分類演算法是資料探勘分類技術中最簡單的方法之一。所謂k最近鄰，就是k個最近的鄰居的意思，說的是每個樣本都可以用它最接近的k個鄰居來代表。k最近鄰 k nearest neighbor，knn 分類演算法的核心思...

KNN K最近鄰分類模型

knn原理 訓練元組用 n個屬性描述，每個元組代表 n維空間中的乙個點，所有的訓練元組存放在 n維的模式空間。當給定乙個未知元組時，搜尋該模式空間，找出最接近未知元組的 k個訓練元組。未知元組指派到它的 k個最近鄰中的多數類。鄰近性 用距離度量，如歐幾里德距離。knn演算法中的細節處理 數值屬性規範...