实战项目：KNN算法进行车辆满意度测评选用经典的Car Evaluation Database数据集

最新推荐文章于 2024-09-20 20:12:04 发布

置顶

C小c777

最新推荐文章于 2024-09-20 20:12:04 发布

阅读量2k

点赞数 2

文章标签：机器学习

本文链接：https://blog.csdn.net/qq_41367445/article/details/107774133

版权

本实战项目利用KNN算法对Car Evaluation Database数据集进行车辆满意度测评。数据集从UCI机器学习库获取，通过读取数据、数据预处理、归一化以及KNN算法实现分类。选取数据集的10%进行测试，并计算了分类的准确率。

摘要由CSDN通过智能技术生成

实战项目：KNN算法进行车辆满意度测评
选用经典的Car Evaluation Database数据集
通过对六个特征值进行测评，得到用户对车辆的满意程度
数据集来源于下面的网站：http://archive.ics.uci.edu/ml/index.php
计算测试数据相对于测试集中每一组数据的距离，并且根据k值来选取最近的K的个数据，并且统计k个数据中，出现次数最高的结果，作为测试数据的结果
选取文本中10%的数据进行测试，进行数据归一化，读取二维数组的行数，确定测试的数量，记录错误数量的变量，通过KNN算法进行判断

coding=utf-8
“”"
KNN算法进行车辆评测

“”"
from numpy import *
import operator
#数据处理
#数字化处理
def KeyToNum(line):
#将一行的字符串变成对应的数字
numline = []
switcher = {
‘vhigh’ : 4 ,
‘high’ : 3 ,
‘med’ : 2 ,
‘low’ : 1 ,
‘5more’ : 5 ,
‘more’ : 6 ,
‘small’ : 1 ,
‘big’ : 3 ,
‘unacc’ : 1 ,
‘acc’ : 2 ,
‘good’ : 3 ,
‘vgood’ : 4 ,
}
for key in line:
numline.append(switcher.get(key, key))
return numline