KNN 算法实例

最新推荐文章于 2023-07-03 22:50:44 发布

m0_46321169

最新推荐文章于 2023-07-03 22:50:44 发布

阅读量886

点赞数 1

文章标签：算法机器学习深度学习

本文链接：https://blog.csdn.net/m0_46321169/article/details/119901077

版权

KNN算法是一种基于实例的学习，对新输入实例通过计算与训练数据集中实例的距离，选取最邻近的K个实例，根据这些实例的类别进行投票决定新实例的分类。在实际操作中，当训练集较大时，算法效率可能较低，因为需要遍历整个训练集。此外，距离的量化标准灵活，可以使用多种方法，但最终都需要对距离进行排序并选取最近的K个实例来决定分类结果。

摘要由CSDN通过智能技术生成

参考：https://www.bilibili.com/video/BV1Nt411i7oD?from=search&seid=4603953531395093043

KNN算法：给定一个训练数据集，对新的的输入实例，在训练数据集中找到与该实例最邻近的的K个实例，这K个实例的多数属于某个类，就把该实例分为这个类。

下面是代码实例

import csv
import random

with open('Prostate_Cancer.csv', 'r') as file:  # 读取CSV文件
    reader = csv.DictReader(file)

    data = [row for row in reader]  # 数组每一块单独的元素代表一个样本的全部特征

random.shuffle(data)  # 打乱数据集

n = len(data)//3
test_set = data[0:n]
train_set = data