关于python使用jupyter进行import kNN操作的相关问题

最新推荐文章于 2022-12-15 03:35:25 发布
最新推荐文章于 2022-12-15 03:35:25 发布
阅读量2.5k 收藏 3
点赞数 1
分类专栏： 笔记 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_47747430/article/details/109062321
版权

关于python使用jupyter进行import kNN操作的相关问题

学习机器学习时用到jupyter，在进行K近邻算法时，import kNN发现出现no module named kNN错误，查找课本源代码“kNN.py”将其复制到jupyter运行文件夹，（不清楚可以在jupyter中使用import os print(os.path.abspath(","))进行查找），复制后要打开kNN.py文件，将文件内代码全选复制，在jupyter要运行的文件夹下新建python3文件，然后Ctrl+V将代码全部复制过来，重命名为kNN.ipynb。一定要shift+Enter运行试一下。这里重点，很可能出现错误SyntaxError: invalid syntax（“语法错误”)，“缩进错误”等。在这里插入图片描述
这个问题本人作为初学者在开始并没搞清楚是什么情况。摸索一番发现是这样一个情况———源码较早，采用的是python2.0版本的格式，python3.0版本（现在用的版本）格式有些不同就如：print要加“（）”括号才行，缩进是Tab键和空格不能混用。解决以上问题，再shift+Enter，完美解决！
在这里插入图片描述
(补充一下，在第一次成功运行后，发现第二次进入时却报错了，如果遇到这种情况，可以检查kNN.py源代码，首行是否有类似from numpy import *的代码。这个表示导入，现在已经在kNN里面了，不需要再导入了。所以把第一行或前两行注释(或删去)就可以了。)

江鸟为
关注
  • 1
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
命令行import kNN失败
weixin_42947848的博客
08-18 895
在python中，只要模块（.py文件）或者包（具有__init__.py文件的目录）的目录在sys.path中，即要导入的模块（.py文件）和当前模块在同一目录，import相应的文件名即可。 （1）按win+R，输入cmd弹出命令行 （2）从命令行进入python解释器 比如我的目录是E:/python/python36/python.exe 法一： C:\Users\Administrator>E: E:\>cd python/python36 E:\python\python36>
python导入knn库_day-9 sklearn库和python自带库实现最近邻KNN算法
weixin_42118423的博客
01-14 1737
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。谁和我隔得近，我就跟谁是一类，有点中国古语说的近墨者黑近朱者赤意思。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻...
python-kNN
m0_37923410的博客
02-18 218
from numpy import * #引入科学计算包 import operator #经典python库 运算符模块#创建数据集 def CreatDataSet(): group = array([[1.0, 1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group,labels '...
用python实现KNN算法
技术宅--火狼的专栏
04-22 5791
KNN简介 KNN(K-nearest neighbor)，即K近邻算法。当需要表示一个样本（值）的时候，就使用于该样本最接近的K个邻居来决定。KNN即可以用于分类，也可以用于回归。 数据集地址 https://vincentarelbundock.github.io/Rdatasets/csv/datasets/iris.csv RNN算法 # -*- coding:utf-8 -*- import numpy as np class KNN: def __init__(self,k):
《机器学习实战》第二章，KNN算法在jupyter中实验
CHERRY0926的博客
04-22 2782
1、首先在jupyter中New一个Untitle.ipynb，然后将它重命名为kNN.py，接着在kNN.py中输入一下代码(课本代码)：注：以下代码中，存在我自己的测试数据文件的路径，你们要改为自己测试数据文件的路径from numpy import * import operator def createDataSet(): group = array([[1.0,1.1],...
利用kNN算法进行分类python实现
weixin_50744311的博客
09-15 2694
文章目录kNN算法思想与步骤实力分析与代码实现 kNN算法思想与步骤 kNN算法的基本思想如下： 假设样本集共有n个样本，它们在m个特征上具有区分度，它们分别属于0或1中的一类。假设第i个样本的特征向量为（ai1,ai2,⋯ ,aim）（a_{i1},a_{i2},\cdots,a_{im}）（ai1​,ai2​,⋯,aim​）。现有一待归类对象，设它的特征向量为(b1,b2,⋯ ,bm)(b_1,b_2,\cdots,b_m)(b1​,b2​,⋯,bm​)。计算此待归类对象与n个样本在特征空间中的欧氏距离
Stanford-CS231n-assignment1-KNN及Jupyter Notebook配置
o707191418的博客
07-03 481
一. 配置 我使用的是Anaconda带的Jupyter Notebook， 先在http://cs231n.github.io/assignments2019/assignment1/下载assignment1的.zip文件后可以将其解压到Jupyter Notebook的本地工作目录下，然后就可以正常在Jupyter中写代码了。 中间代码在import的时候遇到一个问题No Modual...
使用python实现knn算法
09-20
KNN，全称为K-Nearest Neighbors...以上就是使用Python实现KNN算法的基本步骤和相关知识点，这个实现简单明了，适用于初学者理解KNN算法的工作原理。在实际项目中，还需要考虑更多的优化策略和改进方法以提高算法性能。
python 学生成绩预测 使用KNN算法.zip
11-10
python预测相关算法、系统代码、设计文档、使用说明，供参考 python预测相关算法、系统代码、设计文档、使用说明，供参考 python预测相关算法、系统代码、设计文档、使用说明，供参考 python预测相关算法、系统代码...
python使用knn实现特征向量分类
12-24
这是一个使用knn把特征向量进行分类的demo。 Knn算法的思想简单说就是：看输入的sample点周围的k个点都属于哪个类，哪个类的点最多，就把sample归为哪个类。也就是说，训练集是一些已经被手动打好标签的数据，knn会...
五种分类方法泰坦尼克号存活问题.rar_jupyter notebook_knn_决策树_泰坦尼克
07-15
对比五种分类方法结果数据，解决泰坦尼克号问题
【python】机器学习实战KNN算法之约会网站
lyl771857509的博客
02-03 742
一、算法流程： 二、约会网站实例流程： 三、代码详解： import numpy as np import operator import matplotlib.pyplot as plt def classify(inX, dataset, labels, k): """ inX 是输入的测试样本，是一个[x,
kNN-1
水荇牵风翠带长
07-18 182
本篇为对MLiA一书中2.1节代码的小结 书中样例如下： from numpy import * import operator def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group, ...
from knn_cuda import knn安装过程遇到的问题
goodgoodstudy___的博客
12-15 2241
KNN_CUDA 安装
KNN（一）
m0_37712157的博客
02-14 639
对机器学习实战这本书的KNN部分进行整理，代码分两部分，一部分是myKNN.py，包含了所需的函数，另一部分是myKNN_run.py，对所需函数进行调用。python版本为3.X。 myKNN.py： # coding: utf-8 # In[3]: from numpy import * import operator import os def classify0(inX, d...
用Python实现KNN算法（从原理到代码的实现）
热门推荐
hutao1030813002的博客
11-28 1万+
用Python实现KNN算法（从原理到代码的实现） 环境 1.Pycharm 2.python3.6 一、KNN算法的原理 1.1算法介绍 KNN的全称是K Nearest Neighbors，意思是K个最近的邻居，从这个名字我们就能看出一些KNN算法的蛛丝马迹了。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。那么最近的邻居又是怎么回事呢？其实啊，KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。 听起来有点绕，还是看看图吧。 图中绿色的点就是我们要预测的
机器学习实战 k-近邻算法（kNN）
huatian5的博客
03-08 356
概述 准备Python导入数据 from numpy import * import operator def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group, labels 查看 ...
Python3代码实现《机器学习实战》k近邻算法改进约会网站配对效果中出现的问题
薰衣草PK向日葵的博客
02-26 870
报错1：No module named ‘kNN’ 解决： 转而在Spyder中，先保存在自己的学习目录中，然后在命令提示符完成操作，保证目录要一致，也就是下面图中打马赛克的4个。   报错： name ‘reload’ is not defined 解决： 先调用imp标准库模块中可用的reload函数, 再模块重载 报错：ValueError: invalid l...
机器学习实战中怎样使用kNN模块
小知的博客
10-03 1806
首先建立一个kNN.py的项目文件（记住这里有个特殊情况，文件名必须为kNN.py，否则后面导入 import kNN 会出错的 ） from numpy import * import operator def createDataSet(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B...
用jupyter notebook knn算法实现鸢尾花分类
最新发布
11-24
以下是使用Jupyter Notebook实现鸢尾花分类的KNN算法的步骤： 1. 导入必要的库和数据集 ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier iris = load_iris() X = iris.data y = iris.target ``` 2. 将数据集分为训练集和测试集 ```python X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) ``` 3. 创建KNN分类器并进行训练 ```python knn = KNeighborsClassifier(n_neighbors=3) knn.fit(X_train, y_train) ``` 4. 对测试集进行预测并计算准确率 ```python y_pred = knn.predict(X_test) accuracy = knn.score(X_test, y_test) print("预测结果：", y_pred) print("准确率：", accuracy) ``` 完整代码如下： ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier iris = load_iris() X = iris.data y = iris.target X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42) knn = KNeighborsClassifier(n_neighbors=3) knn.fit(X_train, y_train) y_pred = knn.predict(X_test) accuracy = knn.score(X_test, y_test) print("预测结果：", y_pred) print("准确率：", accuracy) ```

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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