最近邻分类算法KNN实现--参考麦子学院彭亮机器学习基础4.2

最新推荐文章于 2020-11-30 03:56:35 发布

fukaixin12

最新推荐文章于 2020-11-30 03:56:35 发布

阅读量601

点赞数 1

分类专栏： ML

本文链接：https://blog.csdn.net/fukaixin12/article/details/79189132

版权

本文深入探讨了最近邻分类算法KNN，基于彭亮在麦子学院的机器学习基础课程4.2部分，详细解释了KNN的工作原理、算法流程，并提供了实现示例。

摘要由CSDN通过智能技术生成

import csv
import random
import math
import operator

#导入数据，并分为训练集和测试集
def loadDataset(filename, split, trainingSet = [], testSet = []):
    with open(filename, 'rt') as csvfile:
        lines = csv.reader(csvfile)
        dataset = list(lines)
        for x in range(len(dataset)-1):
            for y in range(4):
                dataset[x][y] = float(dataset[x][y])
            if random.random() < split:
                trainingSet.append(dataset[x])
            else:
                testSet.append(dataset[x])

#求欧拉距离
def euclideanDistance(instance1, instance2, length):
    distance = 0
    for x in range(length):
        distance += pow((instance1[x]-instance2[x]), 2)
    return math.sqrt(distance)

#计算最近邻(K个数据集)，testInstance是实例
def getNeighbors(trainingSet, testInstance, k):
    distances = []
    length = len(testInstance)-1
    for x in range(len(trainingSet)):
        #testinsta