- K近邻算法 思想:不知其人视其友
- K近邻算法(knn)实现步骤:
- 计算当前点与已知类别数据集中的点的距离
- 距离递增排序,选出距离最小的k个点
- 确定前k个点类别出现的频率
- 将频率最高的类别作为当前点的预测分类
- 完整代码实现
#!/usr/bin/python
# -*- coding: utf-8 -*-
# @author: T
# 导入数据集
from sklearn.datasets import make_blobs
# 导入sklearn knn算法
from sklearn.neighbors import KNeighborsClassifier
# 导入数值计算库
import numpy as np
# 导入画图库
import matplotlib.pyplot as plt
# 指定默认字体 解决画图中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False
'''
K近邻算法 思想:不知其人视其友
'''
'''
K近邻算法(knn)实现步骤:
1.计算当前点与已知类别数据集中的点的距离
2.距离递增排序,选出距离最小的k个点
3.确定前k个点类别出现的频率
4.将频率最高的类别最为当前点的预测分类
'''
def knn(inX, dataSet