KNN算法花的分类预测

最新推荐文章于 2023-11-22 10:24:23 发布

小人老虎枪

最新推荐文章于 2023-11-22 10:24:23 发布

阅读量994

点赞数

本文链接：https://blog.csdn.net/liangshibing/article/details/79875135

版权

本文介绍了如何使用K近邻（KNN）算法进行花卉分类预测。通过实例展示了KNN的工作原理及其在实际预测过程中的步骤，探讨了算法在解决分类问题上的有效性。

摘要由CSDN通过智能技术生成

KNN算法花的分类预测

#导入库
import csv #读取文件
import random #返回随机生成的一个实数，它在[0,1)范围内。
import math
import operator


#load数据集dateset,将以csv方式打开的文件通过csv.reader()读取所有行数据，
# 再通过list将每组数据变为列表的形式，将数组里的数字变成float形式，
# 最后通过rando.random()及split将数据分为训练trainingSet和测试testSet两部分。
def loadDataset(filename,split,trainingSet=[],testSet=[]):
    with open(filename,'rt') as csvfile:
        lines = csv.reader(csvfile)#读取所有行
        dataset = list(lines)#转化成list结构
        print('dataset:'+str(dataset))
        print('len(dataset):'+str(len(dataset)))
        for x in range(len(dataset)): #总共dataset的长度
            for y in range(4):
                dataset[x][y] = float(dataset[x][y])
            if random.random() < split:
                trainingSet.append(dataset[x])#一定记得加[x]
            else:
                testSet.append(dataset[x])

#计算一组参数的距离。

def euclideanDistance(i