KNN算法

最新推荐文章于 2023-08-12 21:29:03 发布

Lucky_Pupil

最新推荐文章于 2023-08-12 21:29:03 发布

阅读量480

点赞数

文章标签：算法 python

本文链接：https://blog.csdn.net/Lucky_Pupil/article/details/128065146

版权

啊啊啊，KNN好难啊

话说回来，这两个公式有没有把你绕晕呢

$cos(\theta) = \frac{x_1x_2+y_1y_2}{\sqrt{x_1^2+y_1^2} \times {\sqrt{x_2^2+y_2^2}}}$

$\sqrt{(x_1-x_2)^2 + (y_1-y_2)^2}$

没错，这就是余弦相似度以及距离公式

我在Github上有一篇博客，把这个讲的清清楚楚（不过就是讲个案例贴个代码）博客链接

要是有个工具包那该多好啊~

别急，Wdata就有！

而且是两个都有！！！

在哪呢，在这呢

余弦相似度距离公式工具包

下载：

pip3 install simplejson
pip3 install openpyxl
pip3 install matplotlib
pip3 install setuptools
pip3 install Wdatabase

使用方法：

from Wdata import mathfunc 
Xy1=(2, 3) # First coordinate
Xy2=(3, 5) # Second coordinate
Result=mathfunc.similarity (Xy1, Xy2) # Cosine similarity
print(result)

这个是余弦相似度的

实现代码如下（供参考）

def similarity(xy1: tuple, xy2: tuple) -> float:
    """
    This function can use the cosine similarity formula to calculate the similarity of the two coordinates and return
    the similarity value
    :param xy1: tuple
    :param xy2: tuple
    :return: float
    """
    result = (xy1[0] * xy2[0] + xy1[1] * xy2[1]) / ((math.sqrt(xy1[0] ** 2 + xy1[1] ** 2)) * (math.sqrt(xy2[0] ** 2 + xy2[1] ** 2)))
    return result
# From Github https://github.com/Wdataorg/Wdata/blob/main/Wdata/mathfunc.py

欧几里得距离公式代码：

from Wdata import mathfunc
xy1 = (2, 3)
xy2 = (3, 5)
Result=mathfunc.distance (xy1, xy2) # Distance formula
print(result)

实现代码（供参考）

def distance(xy1: tuple, xy2: tuple) -> float:
    """
    This function can use Euclid distance formula to calculate the distance of 2 coordinates and return
     the distance value
    :param xy1: tuple
    :param xy2: tuple
    :return: float
    """
    result = math.sqrt((xy1[0] - xy2[0])**2 + (xy1[1]-xy2[1])**2)
    return result
# From Github https://github.com/Wdataorg/Wdata/blob/main/Wdata/mathfunc.py