你知道吗,以前在机器学习领域,Python是个热门话题,但是我们在Python上学习机器技术时,所用方法的内容和一般的一样? 你知道的伙伴一定知道有什么。 不认识的伙伴也不用担心。 正好如果你在学习机械技术的话,看看下面的内容吧。 一定对大家有帮助哦~
一. KNN算法
二、算法过程
1 .读取数据集
2 .处理数据集的数据清洗,用保持法hold-out分割数据集:训练集、测试集
三、实现KNN算法类:
1 )遍历训练数据集,根据方差平方和计算各点之间的距离
2 )重新排列各点的距离阵列,根据输入的k值取对应的k个点
3 )对k个点中各点出现的次数进行计数,权重成为距离的导数,得到最大值,该值的索引是我们计算出的判定类别
四. kNN的python实现导入
#最简单的KNN
classKNN () :
def__init__(self ) :
self.model={}#存储各级训练样本的特征,key是类标签,value是列表,元素是样本的特征向量
self.training_sample_num={}#存储培训数据中的各类别数
#培训模型,输入为标签列表和对应的输入数据列表
deffit(self,x,y ) :
傅里叶变换(len ) y ) :
#按类别对培训数据分组
ifY[i]inself.model:
elf.model[y[I].append[x[I]]
else:
self.model[Y[i]]=[X[i]]
#每个类别的样本总数
self.training _ sample _ num [ y [ I ] ]=self.training _ sample _ num.get [ y [ I ],0]1
#预测/判断一个样本的类别。 您可以在此处模仿sklearn的样式,以输入单个样本或输入多个样本
那么,这就是分类算法的使用。 如果大家对机器学习非常感兴趣的话,可以好好学习这些内容哦~