KNN-用于回归的python实现

最新推荐文章于 2024-10-02 23:53:59 发布

weq27

最新推荐文章于 2024-10-02 23:53:59 发布

阅读量3k

点赞数

分类专栏：机器学习数据挖掘文章标签：机器学习数据挖掘 python 学习笔记

本文链接：https://blog.csdn.net/weq27/article/details/69666841

版权

本文介绍了如何用Python实现KNN算法进行回归预测。在保持距离计算步骤不变的基础上，算法选择训练集中最接近的k个点，然后取这些点的标签值平均数作为预测值。

摘要由CSDN通过智能技术生成

KNN-用于回归的python实现

之前实现过用于分类的KNN算法，现在实现用于回归的KNN算法，前面计算预测样本与训练集中样本的距离的步骤不变，后面同样是选取训练集中样本最近的k个点，但是输出的结果变为最近的k个训练样本的标签值的平均。使用最近的k个训练样本的标签值的平均作为预测样本的预测值。

# encoing:utf-8

import numpy as np
import pandas as pd
import math

def KNN(X_test, dataSet,labels,k):
    dataSet = pd.DataFrame(dataSet, index=None)
    dataSetSize = dataSet.shape[0]
    # sqDiffvec = []
    sqDiff = []
    X_test=pd.Series(X_test, index=