sklearn中knn算法的应用(三)
【摘要】 一.K-近邻算法的特性 参照机器学习的主要流程: ● 首先准备X_train,y_train交给机器学习算法 ● 算法对数据进行拟合形成模型 ● 输入样例交给模型进行预测,得到输出结果 二.sklearn中knn算法的应用 代码实现:from sklearn.neighbors import ...
一.K-近邻算法的特性
参照机器学习的主要流程:
● 首先准备X_train,y_train交给机器学习算法
● 算法对数据进行拟合形成模型
● 输入样例交给模型进行预测,得到输出结果
二.sklearn中knn算法的应用
代码实现:
from sklearn.neighbors import KNeighborsClassifier #创建knn算法的分类器实例 knn_classifier = KNeighborsClassifier(n_neighbors=6) #拟合训练数据 knn_classifier.fit(X_train,y_train) #将样本维度变为二维 x1 = x.reshape(1, -1) #利用knn算法进行预测 y_predict = knn_classifier.predict(x1) #得出预测结果 y_predict[0]
重新整合前面的代码
整合为python代码:
记做:kNN.py
import numpy as np from math import sqrt from collections import Counter class KNNClassifier: def __init__(self, k): """初始化kNN分类器""" assert k >= 1, "k must be valid" self.k = k self._X_train = None self._y_train = None def fit(self, X_train, y_train): """根据训练数据集X_train和y_train训练kNN分类器""" assert X_train.shape[0] == y_train.shape[0], \ "the size of X_train must be equal to the size of y_train" assert self.k <= X_train.shape[0], \ "the size of X_train must be at least k." self._X_train = X_train self._y_train = y_train return self def predict(self, X_predict): """给定待预测数据集X_predict,返回表示X_predict的结果向量""" assert self._X_train is not None and self._y_train is not None, \ "must fit before predict!" assert X_predict.shape[1] == self._X_train.shape[1], \ "the feature number of X_predict must be equal to X_train" y_predict = [self._predict(x) for x in X_predict] return np.array(y_predict) def _predict(self, x): """给定单个待预测数据x,返回x的预测结果值""" assert x.shape[0] == self._X_train.shape[1], \ "the feature number of x must be equal to X_train" distances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in self._X_train] nearest = np.argsort(distances) topK_y = [self._y_train[i] for i in nearest[:self.k]] votes = Counter(topK_y) return votes.most_common(1)[0][0] def __repr__(self): return "KNN(k=%d)" % self.k
将kNN.py文件放入到和jupyter的代码相同的目录的knn目录下,在jupyter中利用魔法方法进行代码运行
#利用魔法方法加载kNN.py文件 %run knn/kNN.py #创建实例 knn_clf = KNNClassifier(k=6) #拟合训练集 knn_clf.fit(X_train,y_train) #预测输入样例 y_predict = knn_clf.predict(x1) #得出预测结果 y_predict[0]
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)