企业做网站有用吗天涯,个人主页哪个网站好,如何制作简易网站,wordpress虚拟商场一、 K- 近邻算法 (KNN) 概念 1.1 K- 近邻算法 (KNN) 概念 K Nearest Neighbor 算法⼜叫 KNN 算法#xff0c;这个算法是机器学习⾥⾯⼀个⽐较经典的算法#xff0c; 总体来说 KNN 算法是相对⽐ 较容易理解的算法 定义 : 如果⼀个样本在特征空间中的k 个最相似 ( 即特征空间… 一、 K- 近邻算法 (KNN) 概念 1.1 K- 近邻算法 (KNN) 概念 K Nearest Neighbor 算法⼜叫 KNN 算法这个算法是机器学习⾥⾯⼀个⽐较经典的算法 总体来说 KNN 算法是相对⽐ 较容易理解的算法 定义 : 如果⼀个样本在特征空间中的k 个最相似 ( 即特征空间中最邻近 ) 的样本中的⼤多数属于某⼀个类别 则该样本也属于这个类别。 来源 KNN 算法最早是由 Cover 和 Hart 提出的⼀种分类算法 距离公式 两个样本的距离可以通过如下公式计算⼜叫欧式距离 1.2 KNN 算法流程总结 1 计算已知类别数据集中的点与当前点之间的距离 2 按距离递增次序排序 3 选取与当前点距离最⼩的 k 个点 4 统计前 k 个点所在的类别出现的频率 5 返回前 k 个点出现频率最⾼的类别作为当前点的预测分类 二、K- 近邻算法api初步使⽤ 2.1 机器学习流程 1. 获取数据集 2. 数据基本处理 3. 特征⼯程 4. 机器学习 5. 模型评估 2.2 K- 近邻算法 API sklearn.neighbors.KNeighborsClassifier(n_neighbors5) n_neighbors int, 可选默认 5 k_neighbors 查询默认使⽤的邻居数 from sklearn.neighbors import KNeighborsClassifier#1.构造数据
x [[1],[2],[10],[20]]
y [0,0,1,1]
#2.训练模型
#2.1 实例化一个估计器对象
estimator KNeighborsClassifier(n_neighbors1)#2.2调用fit方法进行训练
estimator.fit(x,y)
#3.数据预测
retestimator.predict([[0]])
print(ret)ret1estimator.predict([[100]])
print(ret1) 2.4 ⼩结 sklearn 的优势 : ⽂档多, 且规范包含的算法多实现起来容易 knn 中的 api sklearn.neighbors.KNeighborsClassifier(n_neighbors5)
