機器學習實戰中如何載入kNN模組

2021-07-30 05:18:16 字數 1051 閱讀 7730

首先，我們建立名為knn.py的python模組。

from numpy import *


import operator


defcreatedataset


(): group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])


labels=['a','a','b','b']


return group,labels
我們直接引用這個模組是會報錯的。

in [15]: import knn


traceback (most recent call


last):


file "", line 1, in


import knn


importerror: no


module named knn
要在python shell中呼叫這個函式，進入python互動開發環境

我們先使用os模組，

**檢視當前路徑 os.getcwd()

更改當前路徑 os.chdir()**

in [17]: import os


in [19]: os.getcwd()


out[19]: 'c:\\users\\administrator'
我們將knn.py模組存放在 『c:\users\administrator』 的路徑下面。

in [20]: import knn


in [22]: group,labels=knn.createdataset()


in [23]: group


out[23]:


array([[ 1. , 1.1],


[ 1. , 1. ],


[ 0. , 0. ],


[ 0. , 0.1]])


in [24]: labels


out[24]: ['a', 'a', 'b', 'b']
這樣我們發現可以進入knn模組，並且驗證了定義的函式。

機器學習實戰 kNN

一 演算法過程 1 首先存在乙個資料集作為訓練樣本集dataset，比如訓練樣本的資料中，每一條資料都包含乙個城市的某一天空氣中的pm2.5，no2濃度等維度的特徵值。每一條資料同時包含乙個標籤，比如這一天的空氣質素是優，良，輕度汙染，中度汙染，重度汙染中的乙個。2 現在我們輸入一條資料inx，如包...

機器學習實戰 KNN

import numpy as np import operator def createdataset group np.array 1.0,1.1 1.0,1.0 0,0 0,0.1 labels a a b b return group,labels def classify0 inx,dat...

機器學習實戰 kNN

k 近鄰演算法 knn k nearest neighbors 測量不同特徵值之間的距離方法進行分類。有乙個樣本資料集 每個樣本都存在標籤 輸入沒有標籤的新資料後，將新資料的每個特徵與樣本集中資料對應的特徵進行比較，提取樣本集中特徵最相似資料 最近鄰 的分類標籤。一般，只選擇樣本資料中前k個最相似的...