knn

适逢双十一，买了一本名为《深入浅出Python机器学习》的书，作者生动描述机器学习的原理，爱了！ヾ(◍°∇°◍)ﾉﾞ 一、基础必需的库 （一）、numpy——基础科学计算库 import numpy #基础科学计算库 i = numpy . array ( [ [ 1 , 2 , 3 ] , [ 4 , 5 , 6 ] ] ) #为i赋值一个数组 print ( "i:\n{}" . format ( i ) ) #输出数组i （二）、scipy——科学计算工具集 import numpy as np from scipy import sparse matrix = np . eye ( 3 ) #创建一个3阶对角阵 sparse_matrix = sparse . csr_matrix ( matrix ) #把np数组转化成CSR格式的Scipy稀疏矩阵（sparse matrix） #sparse函数只会存储非0元素 print ( "对角矩阵：\n {}" . format ( matrix ) ) #打印数组 print ( "\n sparse matrix：\n{}" . format ( sparse_matrix ) ) #上下两矩阵进行对比 （三）、pandas——数据分析 #导入数据分析工具 import pandas data = { "Name" : [

【推荐】2019 Java 开发者跳槽指南.pdf(吐血整理) >>> 一、算法简介 k邻近算法( k-nearest neighbors )，即 KNN 算法。 KNN是一种基于实例学习( instance-based learning )，或者所是将所有计算推迟到分类之后的惰性学习( lazy learning )的一种算法，KNN可以说是最简单的分类算法之一，同时，它也是最常用的分类算法之一，注意KNN算法是有监督学习中的分类算法。 二、算法原理 KNN算法的思路是： 如果一个样本在特征空间中的 k 个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。通常 K 是不大于20的奇数。 用一句我们中国的古话来说，就是“近朱者赤，近墨者黑。” 举个例子： 一只小鹰出生怎么判断自己是一只鹰还是一只鸡呢？ 如下图，我们假设绿色代表这只小鹰。红色代表鸡，蓝色代表鹰。 它睁开眼看了一下周围3只动物，两只是鸡，一直是鹰。他就把自己分类为鸡。当他看的比较远的时候，他看到了周围5只动物。发现三只是鹰，两只是鸡。他就把自己分类为鹰。 从上面的例子中，我们可以看出该算法涉及3个主要因素：训练集、距离或相似的衡量、k的大小。 该算法的基本步骤 算距离：给定测试对象，计算它与训练集中的每个对象的距离 找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 做分类