机器学习实战学习笔记（一）

sakurakdx

于 2020-05-31 16:40:48 发布

阅读量400

点赞数 1

CC 4.0 BY-SA版权

文章标签： python 机器学习

本文链接：https://blog.csdn.net/k_Phontom/article/details/106455987

1.KNN算法描述

简单来说：k-近邻算法(knn)采用测量不同特征值之间的距离算法进行分类
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
适用数据范围：数值型和标称型

工作原理：存在一个训练样本集，样本集中每个数据都存在标签。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似（最近邻）的分类标签。一般来说，只选择样本数据集中前k个最相似的数据。通常k是不大于20的整数。

2.python3代码实现

# -- coding: utf-8 --
import numpy as np
import operator


def createDataSet():
    # 创建数据集
    group = np.array([[1.0, 1.1], [1.1, 1.0], [0, 0], [0, 0.1]])
    labels = ['A', 'A', 'B', 'B']
    return group, labels


def classify0(inX, dataSet,<