機器學習實戰中怎樣使用kNN模組

from numpy import *

import operator
def createdataset():
group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels=['a','a','b','b']
return group,labels

c:\users\txhy>python

python 3.7.0 (v3.7.0:1bf9cc5093, jun 27 2018, 04:59:51) [msc v.1914 64 bit (amd64)] on win32
>>> import knn
traceback (most recent call last):
file "", line 1, in modulenotfounderror: no module named 'knn'

把 knn.py 檔案複製到 c:\users\txhy 目錄下。

>>> import knn **# 此時匯入 knn 成功**

>>>

下面來輸出 group 和 labels 的內容：

>>> import knn

>>> group,labels = knn.createdataset()
>>> group # 輸出group內容
array([[1. , 1.1],
[1. , 1. ],
[0. , 0. ],
[0. , 0.1]])
>>> labels # 輸出labels內容
['a', 'a', 'b', 'b']
>>>

c:\users\txhy>d:          # （1）首先進入磁碟d

d:\>cd 1.pcshizhan\rgzn\第三階段：機器學習 # （2）把python互動環境轉到檔案所在目錄下
d:\1.pcshizhan\rgzn\第三階段：機器學習》python # （3）進入python互動環境
python 3.7.0 (v3.7.0:1bf9cc5093, jun 27 2018, 04:59:51) [msc v.1914 64 bit (amd64)] on win32
>>> import knn # （4）匯入 knn 模組
>>> group,labels = knn.createdataset()
>>> group #（5）輸出group的內容
array([[1. , 1.1],
[1. , 1. ],
[0. , 0. ],
[0. , 0.1]])
>>> labels # （6）輸出labels的內容
['a', 'a', 'b', 'b']

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...