K臨近演算法

k臨近演算法(k-nearest neighbor, knn)是最簡單的監督學習分類演算法之一。（有之一嗎？）

對於乙個應用樣本點，k臨近演算法尋找距它最近的k個訓練樣本點即k個nearest neighbor。

若在k個鄰居中屬於某一類別的最多，則認為應用樣本點也屬於該類別。

knn演算法無需訓練，很容易實現。

from numpy import *

import operator
class knnclassifier():
def __init__(self):
self.dataset = 
self.labels = 
def loaddataset(self,filename):
fr = open(filename)
for line in fr.readlines():
linearr = line.strip().split()
dataline = list()
for i in linearr:
label = dataline.pop() # pop the last column referring to  label
def setdataset(self, dataset, labels):
self.dataset = dataset
self.labels = labels
def classify(self, data, k):
self.dataset = array(self.dataset)
self.labels = array(self.labels)
self._normdataset()
datasetsize = self.dataset.shape[0]
# get distance
diffmat = tile(data, (datasetsize,1)) - self.dataset
sqdiffmat = diffmat**2
distances = sqdiffmat.sum(axis=1)
# get k nearest neighbors
sorteddistindicies = distances.argsort()
classcount= {}
for i in range(k):
voteilabel = self.labels[sorteddistindicies[i]]
classcount[voteilabel] = classcount.get(voteilabel,0) + 1
# get fittest label
sortedclasscount = sorted(classcount.iteritems(), key=operator.itemgetter(1), reverse=true)
return sortedclasscount[0][0]
def _normdataset(self):
minvals = self.dataset.min(0)
maxvals = self.dataset.max(0)
ranges = maxvals - minvals
normdataset = zeros(shape(self.dataset))
m = self.dataset.shape[0]
normdataset = self.dataset - tile(minvals, (m,1))
normdataset = normdataset/tile(ranges, (m,1))   #element wise divide
self.dataset = normdataset
def test(self):
self.dataset = array([[1.0,1.1],[1.0,1.0],[0.9,0.9],[0,0],[0,0.1],[0,0.2]])
self.labels = [1,1,1,2,2,2]
print(self.classify([1.0,1.1], 2))
if __name__ == '__main__':
knn = knnclassifier()
knn.loaddataset('testdata.txt')
print(knn.classify([72011, 4.932976, 0.632026], 5) )
# knn.test()

K臨近演算法

k臨近演算法 k nearest neighbor,knn 是最簡單的監督學習分類演算法之一。有之一嗎？對於乙個應用樣本點，k臨近演算法尋找距它最近的k個訓練樣本點即k個nearest neighbor。若在k個鄰居中屬於某一類別的最多，則認為應用樣本點也屬於該類別。knn演算法無需訓練，很容易實現...

k臨近演算法

1.knn k近鄰演算法的工作機制就是給定測試樣本，基於某種距離度量找出訓練集中與其最靠近的k個訓練樣本，然後基於這k個 鄰居 的資訊來進行 2.思維導圖 3.import numpy as np 訓練資料 class k neigbors def init self,k self.k k deff...

K 臨近演算法學習總結

1演算法簡介 按照距離遞增次序排序 選取與當前點距離最小的k個點 確定前k個點所在類別的出現頻率 返回前k個點所出現頻率最高的類別作為當前點的 分類 import numpy as np import operator def createdataset 四組二維特徵 group np.array ...