溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
KNN核心算法函數，具體內容如下
#! /usr/bin/env python3
# -*- coding: utf-8 -*-
# fileName ： KNNdistance.py
# author : zoujiameng@aliyun.com.cn
import math
def getMaxLocate(target): # 查找target中最大值的locate
maxValue = float("-inFinIty")
for i in range(len(target)):
if maxValue < target[i]:
maxValue = target[i]
flag = i
return flag
def KDistance(K, dest, source):
destlen = len(dest)
source1len = len(source[1])
sourcelen = len(source)
KNN = []
locate = source # 準備從source中剔除N-K個最大值
if destlen == source1len:
for i in range(sourcelen):
delta = 0
for j in range(source1len):# 畢達哥拉斯公式
delta += (dest[j] - source[i][j])*(dest[j] - source[i][j])
KNN.append(math.sqrt(delta))
for k in range(sourcelen, K, -1):
flag = getMaxLocate(KNN)
#print("%s 最大元素位置為%d" % (KNN, flag))
KNN.remove(KNN[flag]);
locate.remove(locate[flag])# 移除對應位置的元素
#print(locate)
return locate # 返回最終K個最接近的元素
else:
return None
假設你在伯克利開個小小的面包店,每天都做新鮮面包,需要根據如下一組特征預測當天該烤多少條面包:
a. 天氣指數1~5(1表示天氣很糟,5表示天氣非常好);
b. 是不是周末或節假日(周末或節假日為1,否則為0);
c. 有沒有活動(1表示有,0表示沒有)。
已知
historyA(5, 1, 0) = 300
historyB(3, 1, 1) = 225
historyC(1, 1, 0) = 75
historyD(4, 0, 1) = 200
historyE(4, 0, 0) = 150
historyF(2, 0, 0) = 50
回歸:周末，天氣不錯
Now(4, 1, 0) = ?
#! /usr/bin/env python3
# -*- coding: utf-8 -*-
# fileName ： KNNdistance.py
# author : zoujiameng@aliyun.com.cn
if __name__ == "__main__":
history = {}
history[5, 1, 0] = 300
history[3, 1, 1] = 225
history[1, 1, 0] = 75
history[4, 0, 1] = 200
history[4, 0, 0] = 150
history[2, 0, 0] = 50
dest = [4, 1, 0]
source = []
for i in history:
source.append(i)
print(source)
from KNNdistance import KDistance
K = 4
locate = KDistance(K, dest, source)
avg = 0
for i in range(len(locate)):
avg+=history[locate[i]]
avg/=K
print("回歸結果：今天應該烤%d個面包" % round(avg))
KNN算法：
samples:
a. 垃圾郵件過濾器, 使用一種簡單算法——樸素貝葉斯分類器(Naive Bayes classifier)
b. 預測股票市場, 使用機器學習來預測股票市場的漲跌真的很難。對于股票市場,如何挑選合適的特征呢?股票昨天漲了,今天也會漲,這樣的特征合適嗎?又或者每年五月份股票市場都以綠盤報收,這樣的預測可行嗎?在根據以往的數據來預測未來方面,沒有萬無一失的方法。未來很難預測,由于涉及的變量太多,這幾乎是不可能完成的任務。
conclude:
機器學習是個很有趣的領域，只要下定決心，你就能很深入地了解它。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
