机器学习实战 2-1 2-2

最新推荐文章于 2024-04-13 11:21:59 发布

神秘帅哥-_

最新推荐文章于 2024-04-13 11:21:59 发布

阅读量455

点赞数

文章标签：机器学习 python 初学

本文链接：https://blog.csdn.net/qq_31602961/article/details/80205808

版权

本文是针对初学者的机器学习实战，聚焦K近邻算法。通过Python代码介绍算法实现，作者在学习中遇到困难并进行注释，旨在帮助其他入门者理解并提升。章节包括数据集创建和K近邻算法的初步应用。

摘要由CSDN通过智能技术生成

机器学习实战这本书比较适合像我一样的初学者学习。书中介绍了重要的机器学习算法及python实现代码。由于编程能力一般，我在学习过程中遇到很多不懂的代码。用心做了注释，希望能坚持写下去，自我提升并希望能帮到入门的学习者。笔者能力有限，有所错误的地方希望读者指出并理解~

第二章K~近邻算法

准备：

from numpy import *
import operator
def createDataSet():
group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])#数据集，包含四个点坐标
labels = ['A','A','B','B']#标签

return group,labels

程序清单2-1

def classify0(inX,dataSet,labels,k):#inX:输入向量，dataSet:训练样本集，此处即CReatDataSet函数反回的group，labels：标签向量，k要选取的最近邻点的数目
    dataSetSize = dataSet.shape[0]#这里返回矩阵的行数
    diffMat = tile(inX,(dataSetSize,1)) - dataSet#tile函数有重复的功能,inX本来有一行一列，现在是datasetsize行，一列，与矩阵dataset相减即可得到坐标相减后的结果
    sqDiffMat = diffMat**2#上面得到的坐标相减形成的矩阵，这里乘方是实现欧拉公式，配合下几步计算距离
    sqDistances = sqDiffMat.sum(ax