k近邻算法matlab实现_K-近邻算法(一)

k-近邻算法是采用不同特征之间的距离方法进行分类。

8f1c7e87209f69eebcf4161334407bf1.png

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

k-近邻算法的一般流程

(1)收集数据集:可以使用任何方法

(2)准备数据集:距离计算所需要的数值,最好是结构化的数据格式

(3)分析数据:可以使用任何方法

(4)训练数据集:此步骤不适用与k-近邻算法

(5)测试算法:计算错误率

(6)使用算法:首先需要输入样本数据和结构化输出结果,然后运行k-近邻算法判断输入数据分别属于那个分类,最后应用对计算出的分类执行后续的处理。

2.1.1 准备:使用Python导入数据

#createDataSet()from numpy import *import operatordef createDataSet():    group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])    labels=['A','A','B','B']    return group,labels

2.1.2 实施K-近邻算法

K-近邻算法的伪代码:

对未知属性集中的每个点依次执行以下操作:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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