knn算法的C++实现

最新推荐文章于 2024-06-19 14:40:49 发布

withme9919

最新推荐文章于 2024-06-19 14:40:49 发布

阅读量6.1k

点赞数 5

分类专栏： C++学习机器学习文章标签： c++ knn

本文链接：https://blog.csdn.net/mimi9919/article/details/51172095

版权

本文介绍了k近邻(knn)算法的C++实现，详细阐述了算法步骤，并提到距离计算选用欧式距离，同时讨论了算法的优缺点。knn算法是一种简单且直观的分类方法，适用于多分类问题，但当样本属性众多时可能存在效率问题。

摘要由CSDN通过智能技术生成

knn算法的C++实现

knn算法又称k近邻分类算法，很简单，易于理解，主要思想是找到与要分类样本最近的K个样本点，以这K个样本点中标签最多的点作为要分类样本的标签。比如说，新样本newx最近的5个样本中3个样本的标签都是1，那么新样本newx的标签也是1。
算法步骤：
1. 计算新样本到其它各样本的距离
2. 选出最近的k个样本点
3. 统计这k个样本点的标签，对新样本进行分类
c++代码：

#include <iostream>
#include <vector>
#include <algorithm>
#include <fstream>
using namespace std;
class sample
{
public:
    vector<double> X;//特征
    int label;
    double dis;//其它样本点到该样本的距离
    int result;
};
bool cmp(sample &s1, sample&s2)
{
    return s1.dis < s2.dis;
}
void knn(sample newx,vector<sample> &traindata, vector<sample> &nearestsample)
{