最近邻 相关推荐

#最近邻
import numpy as np  
from numpy import linalg as la  
from sklearn.neighbors import NearestNeighbors  
M=np.array(["你吃饭了吗","今天的花儿很好看","简直不能更完美","你喜欢吃辣椒吗","天气很完美","这个花儿长的像辣椒"])
X = np.array([[-1,-1],  
              [-2,-1],  
              [-3,-2],  
              [1,1],  
              [2,1],  
              [3,2]  
              ])  
nbrs = NearestNeighbors(n_neighbors=3, algorithm="ball_tree").fit(X)  
#返回距离每个点k个最近的点和距离指数,indices可以理解为表示点的下标,distances为距离  
distances, indices = nbrs.kneighbors(X)    
print(indices[4])
for i in indices[4]:
    print(M[i])

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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