機器學習之 KNN近鄰演算法（一）入門

是有監督學習的分類演算法

當**乙個新的值x的時候，根據它距離最近的k個點是什麼類別來判斷x屬於哪個類別。

1.資料預處理：目標label轉換成數字

2.資料集進行二八分，測試knn模型計算的準確性

準備資料：

moviename,kiss,action,type

我在時間盡頭等你,20,0,愛情
倩女幽魂,10,5,愛情
龍嶺迷窟,2,30,動作
葉問,0,40,動作
極限先鋒,5,20,動作
東海人魚傳,15,5,愛情
上海王,10,2,愛情
海王,2,20,動作
喋血戰士,10,30,動作
親吻亭,40,2,愛情

**：設定某個neighbor的值，求出乙個**模型，並求出該model的準確率

#

-*-coding:gb2312-*-
import
numpy as np
import
pandas as pd
from sklearn.neighbors import
kneighborsclassifier
from sklearn.preprocessing import
labelencoder
if__name__ == '
__main__':
#讀取csv中的電影資訊資料
#將目標字串列轉為數字（為了方便後面求**準確率）
label = labelencoder().fit_transform(df['
type'])
print
(label)
#電影分 3 7組
train,test = df.iloc[:7,1:3],df.iloc[7:,1:3] #
抓取1 2列(kiss和action)作為特徵（使用二維作為特徵！）
train_target,test_real_target = label[:7],label[7:] #
label是一維陣列，取前7個和後3個
#開啟 knn模型進行模型訓練，設n等於5
knn = kneighborsclassifier(n_neighbors=5)
knn.fit(train,train_target)
#利用留下的2個電影進行測試
pred =knn.predict(test)
print(pred) #
**的結果
print("
-------")
print(test_real_target) #
真實資料
print("
====準確率===
") #
衡量**的準確性
print(1-abs(pred-test_real_target).sum()/len(pred))

結果：[1 1 0 0 0 1 1 0 0 1]       #  真實label

[1 0 1]　　　　　　　   # **結果

-------

[0 0 1]                            # 真實資料

====準確率===

0.6666666666666667

機器學習入門KNN近鄰演算法 一

1 機器學習處理流程 2 機器學習分類 3 k 近鄰演算法原理 4 knn用於分類 5 knn用於回歸 import numpy as np import matplotlib.pyplot as plt from sklearn.neighbors import kneighborsregress...

機器學習入門 KNN近鄰演算法

knn近鄰演算法終極思想莫非一句話 物以類聚，人以群分。此演算法為機器學習入門的演算法，複雜程度極低，適合入門新手練習。雖然演算法簡單，可並不代表沒用，麻雀雖小，五臟六腑俱全。在本圖中求綠色圓屬於哪一類？怎麼求？如何驗證？機器學習思想，但凡是設計到屬於哪一類這種問題很多人會想到，分類器 classi...

機器學習 kNN近鄰演算法

上圖中，綠色圓要被決定賦予哪個類，是紅色三角形還是藍色四方形？如果k 3，由於紅色三角形所佔比例為2 3，綠色圓將被賦予紅色三角形那個類，如果k 5，由於藍色四方形比例為3 5，因此綠色圓被賦予藍色四方形類。k最近鄰 k nearest neighbor，knn 分類演算法，是乙個理論上比較成熟的方...