新闻资讯

质量为本、客户为根、勇于拼搏、务实创新

< 返回新闻资讯列表

如何用python代码实现knn算法,如何用python代码免费连wf

发布时间:2023-10-11 16:06:44

如何用python代码实现knn算法

下面是一个简单的示例代码,实现了knn算法:

python
import numpy as np
from collections import Counter

def knn(train_X, train_y, test_X, k):

distances = []


# 计算测试样本与训练样本之间的距离

for i in range(len(train_X)):

distance = np.sqrt(np.sum(np.square(test_X - train_X[i])))

distances.append((distance, train_y[i]))


# 按距离从小到大排序

distances.sort(key=lambda x: x[0])


# 选择距离最近的k个样本

neighbors = []

for i in range(k):

neighbors.append(distances[i][1])


# 根据k个样本的标签进行投票,选择出现次数最多的标签作为预测结果

counter = Counter(neighbors)

prediction = counter.most_common(1)[0][0]


return prediction

# 测试数据
train_X = np.array([[1, 1], [1, 2], [2, 2], [3, 3], [4, 4]])
train_y = np.array([0, 0, 1, 1, 1])
test_X = np.array([[2, 3]])

# 使用knn算法进行预测
prediction = knn(train_X, train_y, test_X, 3)
print("预测结果:", prediction)


在这个示例中,我们使用numpy库进行数据处理,collections库中的Counter类用于计算标签的出现次数。首先,计算测试样本与训练样本之间的欧式距离,并将距离和对应的标签保存在列表中。然后,根据距离从小到大排序,选择距离最近的k个样本。最后,根据k个样本的标签进行投票,选择出现次数最多的标签作为预测结果。在这个例子中,我们使用一个简单的二维数据集进行测试,预测结果为1。