标签:knn neighbors 近邻 样本 距离 简易 ret import sklearn
K近邻算法是如果一个样本在特征空间的K个最相邻(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。
他的原理就是求两点之间的距离,看距离谁是最近的,以此来区分我们要预测的这个数据是属于哪个分类。计算距离的公式为欧式距离公式。
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
values = np.array(
[[0, 0],
[0.1, 0.2],
[1, 1],
[1.1, 0.9]]
)
labels = ['A', 'A', 'B', 'B']
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(values, labels)
ret = knn.predict([[0.7, 0.8]])
print(ret)
结果是属于B类
标签:knn,neighbors,近邻,样本,距离,简易,ret,import,sklearn 来源: https://blog.csdn.net/weixin_43229819/article/details/121258783
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。