最简单的K近邻算法 KNN python实现

本文通过机器学习实战中的例子详细介绍了K近邻算法(KNN)的Python实现,包括Numpy矩阵操作、数据集创建、距离计算及分类过程。通过对数据集进行处理,构建扩充矩阵,计算欧氏距离,最终确定分类标签。
摘要由CSDN通过智能技术生成


这是一个最简单的KNN 算法实现

题目来源于<机器学习实战>

1,首先,必须熟悉Numpy的几个常用函数,都是关于矩阵运算的

1.0 首先,我们使用这种方式来构建一个矩阵:

matrixA =  array( [ 

[1,  2.5,   3],

[2,  3,   9.9],

                        ])


1.1  shape 

    用来求取矩阵的行,列数 

       matrixA.shape  将得到 (2,3) 意为2行,3列;

      matrixA.shape[0] 将得到 2, 意为 2行

     matrixA.shape[1]  将得到 3, 意为 3列

1.2  tile 

tile(matrixA, (2,1))  求得 matrixA 的扩充矩阵, 扩充的方法,由后面的(2,1)指定; 2指定按行扩充倍数, 1指定按列扩充倍数

------------------------------------(2 ,2) -------------------------------------->   [    [ 1, 2.5, 3 , 1, 2.5, 3 ]

[      [1,  2.5,   3]              (2,1)------>     [ [1, 2.5, 3]       

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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