实现《统计学习方法》P39 例3.1
输入:数据集,实例X,K值,以及计算距离的方法
输出:距离最近的K个数据,以及最近距离
例3.1:
首先定义三种计算距离的方法:欧氏距离,曼哈顿距离,以及各个坐标值的最大值
对传入的实例X,计算再不同的距离计算方法下的最近距离,及对应的最近的坐标值
Python代码:
import numpy as np
import math
x = np.array([[5,1],[4,4],[2,1],[3,3],[4,5],[7,2]])
xx = [1,1]
def Euclidean_distance(xi,yi):
"""
欧式距离计算
:param xi:
:param yi:
:return:
"""
sum_distance = 0
for i in range(len(xi)):
sum_distance += pow(abs(xi[i] - yi[i]) , 2)
return math.sqrt(sum_distance)
def Manhattan_distance(xi,yi):
"""
曼哈顿距离
:param xi:
:param yi:
:return:
"""
sum_distance = 0
for i in range(len(xi)):
sum_distance += abs(xi[i] - yi[i])
return sum_distance
def Max_dist