本文介绍了k-NN算法在处理分类问题中的应用，特别是1-Nearest Neighbor (1NN)策略。通过将数据转换为OneHot编码，计算测试样本与训练样本间的欧式距离，当k=1时，测试样本被分类为其最近邻的类别。作者在C++中实现了这一过程，并详细讲述了调试和检查OneHot矩阵的方法，以确保正确性。
k-NN处理分类问题，即分类：多数投票原则，先将数据集处理成OneHot矩阵，计算测试文本与每一个训练文本的距离，如果k = 1，则找到最小的距离，则测试文本的分类对应于该训练文本的分类。在用C++实现时，通过好多次的debug，并且将最后生成的OneHot矩阵的每一行都输出到文本中去查看，再在OneHot矩阵每行测试文本尾中输出得到的类比结果，距离，分类。这里使用了欧式距离。
训练文本和测试文本形如：
documentId emotion words
1 5 sad mortar assault leav at least dead
2 4 joy goal delight for sheva
3 4 joy nigeria hostag fear dead is freed
4 3 fear bomber kill shopper
5 6 surprise veget not fruit slow brain declin
6 4 joy pm havana deal a good experi
7 4 joy kate is marri doherti
8 6 surprise nasa revisit life on mar question
9 4 joy happi birthdai ipod
10 4 joy alonso would be happi to retir with three titl
11 4 joy madonna s new tot happi at home in london
12 5 sad nicol kidman ask dad to help stop husband s drink
13 4 joy unit find good connect in win
14 4 joy runwai make good without make nice
15 5 sad we were arrog and stupid over iraq sai us diplomat
16 5 sad bad reason to be good
有246个测试样本，为了方便我在我的源代码中直接使用246这个数字，不过也可以通过读取该文件数行数时得到这个结果，C++实现代码如下
最低0.47元/天 解锁文章
483
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
