Machine-Learning-KNN

KNN算法

KNN算法用来解决分类问题，它是属于基于实例的学习，每一次学习都是根据实例，也属于懒惰学习，处理训练集时没有创建模型，后面根据实例的对比才来归类

为了判断未知实例的类别，通过与他最近的已知实例的类别來对这个未知实例进行分类

选择一个参数K，K是选择已知实例的数目，使预测具有最高的精确度
计算未知实例和所有已知实例的距离
选择最近K个已知实例
选取最邻样本中最多数的类别作为这个实例的类别

KNN算法应用

在python库中有iris的数据集，可以直接加载，并且使用
数据集分为两部分，第一部分是每一个实例的特征值，有4项，第二部分是实例的标记

from sklearn import neighbors
from sklearn import datasets

knn = neighbors.KNeighborsClassifier()

iris = datasets.load_iris()
print iris

knn.fit(iris.data, iris.target)

predictedLabel = knn.predict([[0.1, 0.2, 0.3, 0.4]])

print ("predictedLabel is :" + predictedLabel)
print predictedLabel

对于未知实例[0.1,0.2,0.3,0.4]，预测的结果为属于[0]

赏

谢谢你请我吃糖糖

支付宝

微信