机器学习算法_knn(福利)

<span >'''<span >
1、获取key和coord_values，样例使用的是List，但是如果真正用在训练上的话List就不适合了，建议改为使用数据库进行读取
2、对坐标进行精度化计算，这个其实我没理解是为什么，可能为了防止错误匹配吧，书上是这样写的
3、指定两个参数，参数一是新加入case的坐标，参数二是需要匹配距离最近的周边点的个数n，这里赢指定单数
4、距离计算，使用欧式距离
新加入case的坐标与每一个已有坐标计算，这里还有优化空间，以后更新
计算好的距离与key做成新的key-value
依据距离排序
取前n个case
5、取得key
对前n个case的key进行统计
取统计量结果最多的key即是新加入case所对应的分组
6、将新加入的values与分组写成key-value加入已有的key-value列队
输入新的case坐标，返回第一步......递归
<span >'''

<span >import<span > operator

<span >def<span > createcaseList():
<span >#<span > 1代表黄瓜，2代表香蕉，3代表茄子，4代表西葫芦
case_List = [[25,3,73732],[27.5,8,127492],[13,6,[16,13,50331049],[17,4,18874516],[22,13762774],[14,1,30473482],[18,38338108<span >]]
case_type = [1,2,4<span >]
<span >return<span > case_List,case_type

<span >def<span > knn_fun(user_coord,casecoordList,case_type,take_num):
case_len =<span > len(casecoordList)
coord_len =<span > len(usercoord)
eudistance =<span > []
<span >for coord <span >in<span > casecoordList:
coord_range = [(user_coord[i] - coord[i]) 2 <span >for i <span >in<span > range(coord_len)]
coord_range = sum(coord_range) 0.5<span >
eu_distance.append(coordrange)
meragedistance_and_type =<span > zip(eu_distance,casetype)
meragedistance_and_type.sort()
type_List = [merage_distance_and_type[i][1] <span >for i <span >in<span > range(take_num)]
class_count =<span > {}
<span >for type_case <span >in<span > type_List:
type_temp = {type_case:1<span >}
<span >if class_count.get(type_case) ==<span > None:
class_count.update(type_temp)
<span >else: class_count[type_case] += 1<span >
sorted_class_count = sorted(class_count.iteritems(),key = operator.itemgetter(1),reverse =<span > True)
<span >return<span > sorted_class_count[0][0]

<span >def<span > auto_norm(case_List):
case_len =<span > len(case_List[0])
min_vals = [0] <span > case_len
max_vals = [0] <span > case_len
ranges = [0] *<span > case_len
<span >for i <span >in<span > range(caselen):
minList = [case[i] <span >for case <span >in<span > case_List]
min_vals[i] =<span > min(min_List)
max_vals[i] = max([case[i] <span >for case <span >in<span > case_List])
ranges[i] = max_vals[i] -<span > min_vals[i]
normdataList =<span > []
<span >for case <span >in<span > case_List:
normdataList.append([(case[i] - min_vals[i])/ranges[i] <span >for i <span >in<span > range(case_len)])
<span >return<span > normdataList,ranges,min_vals

<span >def<span > main():
result_List = [<span >'<span >黄瓜<span >',<span >'<span >香蕉<span >',<span >'<span >茄子<span >',<span >'<span >西葫芦<span >'<span >]
dimension1 = float(input(<span >'<span >长度是: <span >'<span >))
dimension2 = float(input(<span >'<span >弯曲度是: <span >'<span >))
dimension3 = float(input(<span >'<span >颜色是: <span >'<span >))
case_List,type_List =<span > createcaseList()
<span >#<span >normdataList,min_vals = auto_norm(case_List)
in_coord =<span > [dimension1,dimension2,dimension3]
<span >#<span >in_coord_len = len(in_coord)
<span >#<span >in_coord = [in_coord[i]/ranges[i] for i in range(in_coord_len)]
<span >#<span >class_sel_result = knn_fun(in_coord,normdataList,type_List,3)
class_sel_result = knn_fun(incoord,caseList,3<span >)
class_sel_result = class_sel_result - 1
<span >return<span > result_List[class_sel_result]

<span >if <span >name == <span >'<span >main<span >'<span >:
a =<span > main()
<span >print <span >'<span >这货是: %s<span >' %a

测试结果，效果还不赖

以上是内存溢出为你收集整理的机器学习算法_knn(福利)全部内容，希望文章能够帮你解决机器学习算法_knn(福利)所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。