KNN算法 将String类型的特征变为int型

最新推荐文章于 2022-10-23 11:22:40 发布
最新推荐文章于 2022-10-23 11:22:40 发布
阅读量271 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Julienling/article/details/117461267
版权
本文介绍如何在KNN算法中处理字符串特征，通过将'occupation'这样的字符串特征转换为整型，以便进行欧氏距离计算。转换过程对于确保算法正确性和效率至关重要。
摘要由CSDN通过智能技术生成

KNN算法中， 利用各个feature计算欧氏距离时，各个特征值必须是字符型

下列代码将’occupation’这一String类型转化为int型

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
# 使用dic创建DataFrame
dic = {
   
    
    'age': [23, 22,
最低0.47元/天 解锁文章
菠萝mire
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
knn算法之数字识别
百雨的博客
05-28 3425
目录 （一）训练集文件列表 （二）拿文件，读原数据 （三）数据处理 （四）将上一步的一行1024个0,1赋值给最终的数组（knn计算的数组） （五）将最终数组进行保存为训练集的训练结果（分类器） （六）训练集完成（分类器） （七）测试集制作 （八）进行测试（knn算法） 数字识别所用文件来源：https://download.csdn.net/download/sina...
3. Pandas数据预处理
weixin_42167712的博客
09-18 4070
目录一、删除属性/特征选择1.1 删除某几列无用的属性、特征1.2 选择，保留某些特定属性1.3 更改特征，属性列的顺序1.4 删除只有一个值的属性二、缺失值处理2.1 只要有缺失值null就删除该行样本2.2 样本中有x个以上的缺失值才删除该行样本2.3 样本种所有数据都缺失才删除该行样本2.4 使用属性列的均值来填充缺失值2.5 使用特定值来填充缺失值2.6 使用缺失值的前一个/后一个值代替N...
KNN算法介绍及代码实现
HPUZJH
06-04 2788
k-近邻法简介 k近邻法(k-nearest neighbor, k-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数...
如何把字符串转换为整数型数据
白的夜的博客
06-23 524
atoi()函数 字符转换为int型的数据，返回值为int型字符转换为double型的数据，返回值为double型字符转换为long型的数据，返回值为long型字符转换为long型数据缺点：没有上面三个好用，因为有三个参数(char * , char * * ,int )优点：可以检测首字符是不是数字字符，不是则直接退出，效率高，其次可以指定输入数字的进制字符型转换为unsigned long 类型的数据字符型转换为 double 类型的数据 把数字转换为字符串 itoa()函数 itoa(int
使用KNN进行分类和回归
deephub
10-23 4649
KNN是我们在本文中介绍的一个简单但功能强大的分类和回归模型。KNN模型是一个懒惰的非参数学习模型;它的参数不是根据训练数据估计出来的。为了预测响应变量，它存储所有训练实例并使用最接近实例进行测试。在Sklearn中我们可以直接调用内置的方法来使用。作者：Onepagecode。
Java实现的KNN算法示例
08-27
Java实现的KNN算法示例主要介绍了Java实现的KNN算法，结合实例形式分析了KNN算法的原理及Java定义与使用KNN算法流程、训练数据相关操作技巧。 KNN算法的思想是对于训练数据集中已经归类的分组，来对于未知的数据...
KNN算法JAVA实现
coding_deliver的博客
12-22 2153
KNN算法是一种分类算法，其实啊，KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。 例如当K=3的时候，也就是取最靠近样本点的三个数据，然后看这三个数据大多数是什么类型的，就将样本点归为什么类； 所以在代码中可以根据距离计算判断：例如二维数据 KNN算法优点 简单易用，相比其他算法，KNN算是比较简洁明了的算法。即使没有很高的数学基础也能搞清楚它的原理。模型训练时间快，上面说到KNN算法是惰性的，这里也就不再过多讲述。预测效果好，对异常值不敏感，毕竟取多数
python编写knn算法调用mapreduce_你好，关于KNN算法的mapreduce化
weixin_30449853的博客
02-04 168
展开全部==================cluster.txt===========================A 2 2B 2 4C 4 2D 4 4E 6 6F 6 8G 8 6H 8 8==================cluster.center.conf===============...
KNN算法mapreduce实现
sinltmin
01-12 3618
KNN算法Mapreduce实现 目录 KNN算法Mapreduce实现 算法简介： mapreduce编程框架： 具体实现过程： 结果与分析 算法简介： 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。kNN算法的核心思...
如何基于Python实现数字类型转换
12-20
这篇文章主要介绍了如何基于Python实现数字类型转换,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 Python数字类型转换： 　　int(x)：将 x 转换为一个整数 　　float(x)：将 x 转换为一个浮点数 　　complex(x,y)：将 x 和 y 转换为一个复数。x 为复数的实部，y 为复数的虚部。 　　eval(x)：将 x 转化为一个整数 　　chr(x)：x 为数字，将数字转化为对应的 ASCII 码。 65 -> A 、90 -> Z 　　ord(x)：x 为单个字符，将字符转换为对应的整数。 a -> 97、122
tensorflow测试代码_TensorFlow模型开发（二）：高效数据读取
weixin_39602579的博客
12-02 200
在进行深度学习任务时，第一件事情就是读取数据。常用的结构化数据文件格式有csv、txt 、libsvm，本篇文章主要说明结构化数据（csv/txt）如何在TF框架进行高效、灵活的读取，避免一些不合理的方式，迈出算法开发标准化、工程化的第一步。使用pandas读取数据def load_data_with_pandas(filename): # load data as DataFrame t...
深度学习与计算机视觉Project1: 用Pytorch实现MNIST手写数字识别
weixin_42707080的博客
03-13 666
训练一个网络的步骤： 一.数据预处理 二.定义网络 三.定义损失函数与优化方式 四.forward 五.计算loss 六.backward以更新参数 七.运行测试集观察效果 八.保存模型 一、数据预处理 数据处理这一块，PyTorch使用了torchvision来完成数据的处理，只实现了一些数据集的处理，如果处理自己的工程则需要修改增加内容。 import torchvis...
kNN算法通俗讲解
u012494321的博客
11-04 1762
接触机器学习一段时间了，知道它有四种分类：监督学习、无监督学习、半监督学习、强化学习；也知道它的一般步骤：收集数据-->准备数据-->分析数据-->选择模型-->训练模型-->评估模型；知道数据越多测试结果就越准确。 但是，作为一理工女，不动手就不理解，有很多疑团，怎么让一堆样本做为数据输入，怎么训练数据让模型更好，通过什么方法来评估...
KNIME数据预处理
miles_ye的博客
04-14 7118
问题的提出 泰坦尼克号Titanic的故事众人皆知。我们拿到了泰坦尼克号上的乘客数据的一部分——训练集train.csv。 数据描述 这个数据集包含以下特征（Feature）： PassengerId => 乘客编号； Survived => 获救情况（1为获救，0为未获救）； Pclass => 乘客等级（1等舱位，2等舱位，3等舱位）； Name => 姓名，字符串型（String）； Sex => 性别（male，female），字符串型（String）； Age =&
机器学习实战kNN中的文本转换为数组程序心得
芳草碧连天
09-17 627
机器学习实战kNN中的文本转换为数组程序心得 原程序 出现的问题 解决的办法 原程序在机器学习实战书中2.2.1章节中，作者在准备数据时，打算从文本文件中解析数据，其代码为：def file2matrix(filename)： fr = open(filename) numberOfLines = len(fr.readlines()) returnMat = zeros((
几种转换成 int 类型的方式总结
xingmingming的专栏
12-18 7643
------- Windows Phone 7手机开发、.Net培训、期待与您交流！ ------- 1 (int)变量名[强制类型转换]：     这种方式主要用于数字类型之间的转换，从int类型到long,float,double,decimal类型，可以使用隐式转换，但是从long类型到int类型就需要使用显式转换，也就是该数据类型转换方式，否则会产生编译错误。
java实现knn算法
最新发布
03-25
KNN是一种机器学习算法，主要用于分类和回归。它的工作原理是将每个数据点分配到它最接近的k个邻居之一，然后利用这些邻居的标签来预测新数据点的标签。 以下是使用Java实现KNN算法的示例代码： ```java import java.util.*; public class KNN { // 使用欧几里得距离计算两个数据点之间的距离 public static double euclideanDistance(double[] x, double[] y) { double distance = 0; for (int i = 0; i < x.length; ++i) { distance += Math.pow(x[i] - y[i], 2); } return Math.sqrt(distance); } // 在给定的训练集中查找k个最近邻居 public static int[] nearestNeighbors(double[] x, double[][] data, int k) { double[] distances = new double[data.length]; // 计算x和数据集中每个点的距离 for (int i = 0; i < data.length; ++i) { distances[i] = euclideanDistance(x, data[i]); } // 找到k个最近邻居的索引 int[] neighbors = new int[k]; for (int i = 0; i < k; ++i) { int index = 0; double min = distances[0]; for (int j = 1; j < distances.length; ++j) { if (distances[j] < min) { index = j; min = distances[j]; } } neighbors[i] = index; distances[index] = Double.MAX_VALUE; } return neighbors; } // 对x进行分类 public static String classify(double[] x, double[][] data, String[] labels, int k) { // 找到k个最近邻居的索引 int[] neighbors = nearestNeighbors(x, data, k); // 统计每个类的数量 Map<String, Integer> counts = new HashMap<>(); for (int i = 0; i < neighbors.length; ++i) { String label = labels[neighbors[i]]; counts.put(label, counts.getOrDefault(label, 0) + 1); } // 找到数量最多的类 String result = null; int maxCount = -1; for (String label : counts.keySet()) { int count = counts.get(label); if (count > maxCount) { result = label; maxCount = count; } } return result; } public static void main(String[] args) { double[][] data = new double[][]{{1, 1}, {2, 2}, {3, 3}, {4, 4}, {5, 5}}; String[] labels = new String[]{"A", "A", "B", "B", "B"}; double[] x = new double[]{2.5, 2.5}; int k = 3; String result = classify(x, data, labels, k); System.out.println("分类结果：" + result); } } ``` 在这个示例中，我们使用欧几里得距离作为两个数据点之间的距离度量，然后使用nearestNeighbors方法找到最近的k个邻居，最后使用classify方法对新数据点进行分类。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值