1.对于多维样本点,需遵循欧几里得距离:
两点为:
2.k-近邻算法步骤:
(1)计算已知类别数据集中的点与当前点之间的距离
(2)按照距离递增次序排序
(3)选取与当前点距离最小的k个点
(4)确定前k个点所在类别的出现频率
(5)返回前k个点出现频率最高的类别作为当前点的预测类别
注意:当不同维度之间有较大差异时(数值相差较大),需做归一化处理(0-1标准化、z-score标准化、sigmoid压缩法等)
3.python实战
import pandas as pd
'''
inx:表示测试样本
dataSet:表示训练数据集
k:表示取前几个样本点
'''
def classify0(inx,dataSet,k):
result = []
#计算已知类别数据集中的点与当前点之间的距离
dist = list((((dataSet.iloc[:6,1:3]- inx)**2).sum(1))**0.5)
#按照距离递增次序排序,并选取与当前点距离最小的k个点
dist_1 = pd.DataFrame({'dist':dist,'labels':(dataSet.iloc[:6,3])})
dr = dist_l.sort_values(by='dist')[:k]
#确定前k个点所在类别的出现频率
re = dr.loc[:,'labels'].value_counts()
#返回前k个点出现频率最高的类别作为当前点的预测类别
result.append(re.index[0])
return result
if __name__ == "__main__":
rowdata = {'电影名称':['无问西东','后来的我们','前任3','红海行动','唐人街探案','战狼'],'打斗镜头':[1,5,12,108,112,115],'接吻镜头':[101,89,97,5,9,8],'电影类型':['爱情片','爱情片','爱情片','动作片','动作片','动作片']}
movie_data = pd.DataFrame(rowdata)
new_data = [24,67]
print(classify0(new_data,movie_data,4))
输出结果:
最后,感谢菊安酱在哔站的认真讲解!