资源库-数据挖掘技术与应用 实验四：分类算法-KNN邻近算法应用

2023年9月－实验四

【实验名称】

 分类算法-KNN邻近算法实现与应用

【实验目的】

使用python实现KNN邻近算法，求出某个电影G的分类。K=5

电影名称	打斗次数	接吻次数	电影类别
A	3	104	Roman
B	2	100	Roman
C	1	81	Roman
D	101	10	Action
E	99	5	Action
F	98	2	Action
G	3	104	？

【实验内容】

1、程序清单

from sklearn.neighbors import KNeighborsClassifier
import numpy as np

# 准备一下数据
x = np.array([[3, 104], [2, 100], [1, 81], [101, 10], [99, 5], [98, 2]])  # fight scenes and kiss scenes
y = np.array(['Roman', 'Roman', 'Roman', 'Action', 'Action', 'Action'])  # movie classes

# 计算距离
gx = 3
gy = 104
list = []
for i in range(6):
    list.append({pow(pow(gx-x[i][0], 2)+pow(gy-x[i][1], 2), 0.5): y[i]})

print(list[:5])

# 设置K=5
knn = KNeighborsClassifier(n_neighbors=5)
# 带入值计算一个model
knn.fit(x, y)
# 预测
print(knn.predict([[3, 104]]))

2、结果截图

【实验体会】

把带分类点的数据投射至一个多维平面内，与其他点计算数学意义上的欧式距离。然后将距离降序排序，取前K个数的类别的众值，即可完成对这个点的分类。