机器学习——KNN算法（机器学习实战）

AI小白龙*

已于 2024-05-05 10:15:25 修改

阅读量1.6k

点赞数 39

文章标签：机器学习算法人工智能深度学习神经网络 python YOLO

于 2024-02-09 11:45:00 首次发布

本文链接：https://blog.csdn.net/2301_81940605/article/details/135976334

版权

KNN算法

(机器学习实战) K-近邻算法采用测量不同特征值之间的距离方法进行分类。工作原理：已有一个样本数据集，即训练集，并且训练集的每个数据都有其对应的分类标签。输入没有标签的新数据后，将新数据的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据的分类标签。也就是看最相近的k个数据的标签，通过多数表决的方式进行。这里的k-NN的k即为选择的样本数据集中的前k个最相似的数据，通常k设置为不大于20的整数

实战

通过约会数据进行分类（例子来源于《机器学习实战》）海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她并不是喜欢每一个人。经过一番总结，她发现曾交往过三种类型的人：

——不喜欢的人 didntLike ——魅力一般的人 smallDoses ——极具魅力的人 largeDoses

海伦收集约会数据已经有了一段时间，她把这些数据存放在文本文件datingTest.txt中，每个样本数据占据一行，总共有1000行。海伦的样本主要包含以下3种特征：

——每年获得的飞行常客里程数 ——玩视频游戏所耗时间百分比 ——每周消费的冰淇淋公升数

数据格式如图：外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传采用KNN算法帮助海伦分类约会对象：使用sklearn库中的knn算法解决。第一步：抽取数据

python
复制代码
import numpy as np
from numpy import zeros
from sklearn.neighbors import KNeighborsClassifier, RadiusNeighborsClassifier
import matplotlib as mpl
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
import pandas as pd
from sklearn.metrics import accuracy_score
data = pd.read_csv('datingTest.txt', sep='\t', header=None)
X = data.iloc[:, 0:2]
Y = data.iloc[:, -1]

第二步：使用train_test_split抽取占比0.2的数据进行测试

ini
复制代码
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2)

第三步：存储标签

css
复制代码
label=[]
for line in Y:
    label.append(line)

最后一步：训练训练集，预测测试集并得出预测正确率

scss
复制代码
datalist = np.array(data)
mmat(datalist,label)
model=(KNeighborsClassifier(n_neighbors=7))
model.fit(X_train,Y_train)
predictions=model.predict(X_train)
print(predictions)
print(accuracy_score(Y_train, predictions))

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

在这里插入图片描述