原生python實現knn演算法，用鳶尾花資料集

一、題目說明

原生python實現knn演算法，用鳶尾花資料集

二、程式分析

讀取資料

withopen

('iris.csv'

,'r'

)asfile:

#csv

裡的函式，以字典形式讀取檔案

reader=csv.dictreader(file)#推導

datas= [rowforrowinreader]

資料分組

random.shuffle(datas)

test_set=datas[0:
106]
train_set=datas[
106:]

defdistance(d1

,d2):
res = 
0forkeyin(
"sepal length" 
,"sepal width" 
,"petal length"    
,"petal width"
):        res += (
float
(d1[key])-
float
(d2[key]))**
2returnres**
0.5

k = 

3defknn(data):
res = [
fortrainintrain_set
]sorted
(res
,key 
=lambdaitem:item[
'distance'
])    
#取前k個值
res2 = res[
0:k]
#加權平均(result是最終判據)
result = 
#總長度
sum_dist = 
0forr1inres2:
sum_dist += r1[
'distance'
]    
#逐個分類加和
forr2inres2:
result[r2[
"result"
]] += 
1-r2[
"distance"
]/sum_dist
print
(result)
ifresult[
'iris-setosa'
] > result[
'iris-versicolor'
]andresult[
'iris-setosa'
]> result[
'iris-virginica'
]:return'iris-setosa'
elifresult[
'iris-versicolor'
] > result[
'iris-setosa'
]andresult[
'iris-versicolor'
]>result[
'iris-virginica'
]:return'iris-versicolor'
else:
return'iris-virginica'
correct = 
0fortestintest_set:
result = test[
'species'
]    result2 = knn(test)
ifresult == result2:
correct = correct + 1;
print
(str
(correct/
len(test_set)))

四、除錯

讀取資料

計算距離

主函式五、測試

第二次執行：

原生python實現knn演算法

1 knn演算法的思想 就是在訓練集中資料和標籤已知的情況下，輸入測試資料，將測試資料的特徵與訓練集中對應的特徵進行相互比較，找到訓練集中與之最為相似的前k個資料，則該測試資料對應的類別就是k個資料 現次數最多的那個分類。2 演算法設計 根據knn演算法的思想可以得到knn演算法的步驟為 1 計算測...

原生Python實現KNN分類演算法

原生python實現knn分類演算法，用鳶尾花資料集。knn是一種聚類演算法，用於對新的資料點進行分類。對於乙個只知道特徵的資料點，首先計算它和已知訓練集所有點的距離，然後選擇最近的k個點進行 投票表決 來決定所屬型別。因為訓練集的標籤是已知的，所以根據 投票 結果，判定該點的型別為 票數 最多的類...

原生python實現knn分類演算法

一 題目 原生python實現knn分類演算法 二 演算法設計 k 近鄰 k nearset neighbor，簡稱 knn 學習是一種常用的監督學習方法，其工作機制非常簡單 給定測試樣本，基於某種距離度量找出訓練集中與其最靠近的 k 個訓練樣本，然後基於這 k 個 鄰居 的資訊來進行觀測。通常，在...