2、K-近邻算法之约会网站预测

最新推荐文章于 2024-07-27 15:01:17 发布
最新推荐文章于 2024-07-27 15:01:17 发布
阅读量850 收藏 2
点赞数
分类专栏： 机器学习 文章标签： 算法 k-近邻 数据 预测
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/qq_24908345/article/details/79912812
版权
本文介绍了k-近邻算法在约会网站预测中的应用，通过数学公式、算法解析和案例分析，展示了如何利用该算法进行数据分类。通过对特征值的归一化处理，提高预测准确性，并提供了具体的Python代码实现。
摘要由CSDN通过智能技术生成

k-近邻算法概述

定义：简单地说，k近邻算法采用测量不同特征值之间的距离进行分类
原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系，输入没有标签的新数据后，将新数据的特征与样本集中数据对应的特征进行比较，然后计算出算法提取样本集中特征最相似数据的分类标签

算法小解

这里写图片描述

如上图，已知六部电影，他们分别有自己的数据与标签，即通过打斗次数与亲吻次数判断出是爱情片还是动作片。现在另有一部电影，已知亲吻次数与打斗次数要推断出其是爱情片还是动作片。我们在坐标轴上标出其位置，然后找出与它距离最近的三部电影，发现这三部电影都为爱情片，则推断出此电影为爱情片。

数学公式

这里写图片描述

已知图上两点A,B 则要求AB两点的距离 则需要公式

d=(xA0−xB0)2+(xA1−xB
最低0.47元/天 解锁文章
Gedeon
关注
专栏目录
基于K-近邻算法的约会网站用户预测
qq_24946843的博客
11-08 207
基本步骤流程： 收集数据 数据归一化 使用KNN算法进行测试  本例来自Peter Harrington编著的《机器学习实战》， 书中配套代码放在GitHub上《机器学习实战》 约会数据放在文本文件datingTestSet.txtz中，有需要的可以联系，每个样本数据占一行，总共有1000行。每个样本包括3个特征： 每年飞行的旅程数 玩游戏所耗时间百分比   每周消费的冰淇淋公升数 ...
k-近邻算法实现约会网站配对效果
RuijieRen的博客
10-03 620
前言 提示：机器学习第一次作业。 提示：以下是本篇文章正文内容，下面案例可供参考 一、KNN算法原理？ 1.1算法介绍 KNN的全称是K Nearest Neighbors，意思是K个最近的邻居。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。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。 图中绿色的点就是我们要预测的那个点，假设K=3。那么KNN算法就会找到与它距离最近的三个点（这里用圆圈把它圈起来了），看看哪种类别多一些，比...
k-近邻算法改进约会网站的配对效果
12-09
一个txt说明文件，一个ipynb文件，一个py文件。下载即可运行。
k-近邻算法在约会网站上的使用
zsb_zsb的博客
05-12 168
""" (1) 收集数据：提供文本文件 (2) 准备数据：使用Python解析文本文件 (3) 分析数据：使用Matplotlib画二维扩散图 (4) 训练算法：此步骤不适用k-近邻算法 (5) 测试算法：使用海伦提供的部分数据作为测试样本 测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际样本类别不同 则标记为一个错误 (6) 使用算法：产生简单的命令行程序，然...
KNN近邻算法及代码实现
最新发布
qq_74889299的博客
07-27 995
1. 计算已知类别的训练集中的点与当前样本集中的数据点之间的距离；2. 将这些点按距离递增次序排列；3. 选出距离短的前K个点；4. 计算前K个点中各个分类出现的频率；5. 将出现频率最高的类别作为样本点的分类。优点简单好用，容易理解，精度高，理论成熟，既可以用来做分类也可以用来做回归；训练时间复杂度为O(n)；无数据输入假定；对异常值不敏感缺点计算复杂性高；空间复杂性高；样本不平衡问题（即有些类别的样本数量很多，而其它样本的数量很少）；最大的缺点是无法给出数据的内在含义。
机器学习实战笔记一：K-近邻算法在约会网站上的应用
11-12 181
K-近邻算法概述 简单的说，K-近邻算法采用不同特征值之间的距离方法进行分类 K-近邻算法 优点：精度高、对异常值不敏感、无数据输入假定。 缺点：计算复杂度高、空间复杂度高。 适用范围：数值型和标称型。 k-近邻算法的一般流程 收集数据:可使用任何方法 准备数据：距离计算所需要的数值，最好是结构化的数据格式。 分析数据：可以使用任何方法。 训练算法：此步骤...
约会网站预测函数
nan1104的博客
11-09 490
#coding:utf-8 #约会网站 from numpy import * import matplotlib import matplotlib.pyplot as plt import operator #创建数据 def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels =
机器学习实战-k-近邻算法改进约会网站的配对效果
08-15
在本实践项目中，我们将深入探讨如何利用机器学习中的k-近邻算法（K-Nearest Neighbors，简称KNN）来改进约会网站的配对效果。KNN是一种非参数监督学习方法，常用于分类和回归任务。在这个案例中，我们将关注其在...
机器学习实战训练营-第2章-k-近邻算法-2.2实例：使用k-近邻算法改进约会网站的配对效果
Laic Zhang的博客
05-08 1266
2.2实例：使用k-近邻算法改进约会网站的配对效果 2.2.1准备数据：从文本文件中解析数据 将文本记录到转换Numpy的解析程序 def filezmatrix(filename): fr = open(filename) arrayOfLines = fr.readlines() numberOfLines = len(arrayOLines) returnMat = zeros((n...
k-近邻算法（KNN）--2改进约会网站的配对效果---by香蕉麦乐迪
香蕉麦乐迪的博客
12-02 1664
参考书籍：《机器学习实战》 实验说明：预测约会对象对用户是否具有吸引力 输入数据：每个待约会的对象有三个属性，分别是 每年飞行里程数、玩游戏占时间比、每周吃的冰淇淋（单位公升）；（ps：我觉得这三个参数，分别代表一个人是否有钱，生活娱乐，饮食习惯） 样本集：有1000个约会对象的数据，并且每个对象有一个标签，标签有三大类，分别是  不喜欢、魅力一般、非常有魅力 实验过程： 1、将样本
机器学习实战--k近邻算法改进约会网站的配对效果
qq_41685265的博客
03-30 755
声明 本文参考了《机器学习实战》书中代码，结合该书讲解，并加之自己的理解和阐述 问题描述 朋友海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她并不是喜欢每一个人。经过一番总结，她发现曾交往过三种类型的人： 不喜欢的人 魅力一般的人 极具魅力的人 为了让软件更好的给海伦推荐人选，海伦收集很多约会数据...
机器学习实战_K近邻算法 ——手写数字预测（sklearn api）
12-22
一、序 机器学习实战_K近邻算法 ——手写数字预测 调用的是自己编写的分类器classify0，主要是为了学习理论原理；在实际是项目中通常调用工具包的api接口，比如sklearn，这也体现了python的一个便利性，不用总是自己造轮子。虽然python提供了很多机器学习的工具包，但是也是在我们了解和熟悉算法的基本实现原理。 二、sklearn中KNeighborsClassifier的介绍 class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights=‘uniform’, algorithm=‘auto’, leaf_
knn实例-约会网站数据
08-26
这个一个knn实例数据-详情请参考我的一篇博客。。。。。。
knn_约会网站&手写体识别.ipynb
12-18
knn_约会网站&手写体识别.ipynb knn_约会网站&手写体识别.ipynb
【机器学习】k-近邻算法案例——约会网站的配对效果、手写数字识别系统
Daycym的博客
07-25 1963
约会网站的配对效果案例简介 某人在约会网站上寻找适合自己的对象，约会网站会推荐不同的人选，经过一番总结，发现这些人大致可以分为三类：不喜欢的人、魅力一般的人、极具魅力的人 但是，约会网址推荐的人选仍然不能归入到恰当的类别中。这时就希望有个分类软件可以更好地帮助她将推荐的对象划分到确切的分类中，于是收集了一些网站未曾记录的数据信息，她认为这些数据更有助于推荐对象的归类。 数据导入 数据文件：...
机器学习之k近邻算法——5、约会网站的配对开发流程
westenboy的专栏
12-27 604
1、从文本中解析数据（特征数据和标签数据分离）：file2matrix() 文本中的部分样本数据如下： file2matrix()代码如下： 利用file2matrix()将特征值和标签值分离： >>> import demo >>> data,label=demo.file2matrix('D:\\datingTestSet.txt') 2、特征
机器学习实战之k-近邻算法（5）--- 完整版约会网站数据分类
chchlh的专栏
11-29 2826
from numpy import * import operator #创建数据集 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 #根据输入测试实例进行k-近邻
k近邻算法--约会网站预测案例
weixin_42223209的博客
09-03 472
案例背景： 整体思路： 1、准备数据：解析文本文件（KNN.py中添加file2matrix函数） 2、分析数据：Matplotlib画二维散点图 3、构造分类器：计算新数据点与样本数据中各点的距离，取距离最小的前K个点，找出其对应的分类标签，再在这些标签总找出频率最高的分类标签，作为新数据点的分类。（KNN.py中添加classify0函数） 4、归一化处理：剔除数值绝对大小的规模因素。如将取值...
基础1·约会网站推荐（k最近邻算法的实战）
楼下小白
06-04 1978
import numpy as np import operator """ 函数说明:kNN算法,分类器 Parameters: inX - 用于分类的数据(测试集) dataSet - 用于训练的数据(训练集) labes - 分类标签 k - kNN算法参数,选择距离最小的k个点 Returns: sortedClassCount[0][0] -...
机器学习基础：菊安酱解析k-近邻算法及其应用
"k-近邻算法的课件，包含了Python源码，来自菊安酱的机器学习实战12期免费教程。" k-近邻算法（k-Nearest Neighbor Algorithm，简称KNN）是一种基础且重要的监督学习方法，主要用于分类和回归任务。KNN算法的核心...
评论
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