机器学习-最近邻示例

参考文档

http://sklearn.apachecn.org/cn/0.19.0/modules/neighbors.html

最近邻属于机器学习中的分类，分类是由每个点的最近邻的简单多数投票中计算得到的。最近邻不会去构造一个泛化的内部模型，而是简单地存储训练数据的实例。

示例：

import numpy as np
from sklearn.neighbors import KNeighborsClassifier


#k近邻分类(k表示以最近的几个邻居作为分类的指标)
#KNN表示了物以类聚人以群居的基本思考方法，最近的k个邻居是什么类别，预测样本就会被化为该类别
def knn_predict_rev(point):
    # http://sklearn.apachecn.org/cn/0.19.0/modules/neighbors.html
    #数据理解为二维坐标上的6个点
    X = np.array([[1.0,2.0],[1,1.5],[0.5,1.5],[3.0,3.0],[3.0,3.5],[2.8,3.1]])
    #6个点的类别，按顺序和X依次对应，[1.0,2.0]的类别是0，以此类推
    Y = np.array([0,0,0,1,1,1])

    #n_neighbors就是KNN中的k
    knn = KNeighborsClassifier(n_neighbors=3)

    #训练
    knn.fit(X,Y)
    print(knn.predict(np.array([[2.0,3.0]])))

if __name__ == '__main__':
    knn_predict_rev('11')