一直以來，對(duì)于機(jī)器學(xué)習(xí)領(lǐng)域，Python都是人們津津樂道的話題，大家知道我們?cè)谟胮ython學(xué)習(xí)機(jī)器技術(shù)時(shí)候，用到的方法內(nèi)容和一般情況下的是一樣的嗎？想必，了解過的小伙伴一定是知道有哪些的，不知道的小伙伴也不必?fù)?dān)心，如果剛好你正在學(xué)習(xí)機(jī)器技術(shù)，那就來看下以下內(nèi)容，對(duì)大家一定有幫助哦~

一、KNN算法

二、算法過程

1.讀取數(shù)據(jù)集

2.處理數(shù)據(jù)集數(shù)據(jù) 清洗，采用留出法hold-out拆分?jǐn)?shù)據(jù)集：訓(xùn)練集、測(cè)試集

三、實(shí)現(xiàn)KNN算法類：

1）遍歷訓(xùn)練數(shù)據(jù)集，離差平方和計(jì)算各點(diǎn)之間的距離

2）對(duì)各點(diǎn)的距離數(shù)組進(jìn)行排序，根據(jù)輸入的k值取對(duì)應(yīng)的k個(gè)點(diǎn)

3）k個(gè)點(diǎn)中，統(tǒng)計(jì)每個(gè)點(diǎn)出現(xiàn)的次數(shù)，權(quán)重為距離的導(dǎo)數(shù)，得到最大的值，該值的索引就是我們計(jì)算出的判定類別

四、kNN的python實(shí)現(xiàn)import numpy as np

#一個(gè)最簡(jiǎn)單的KNN

class KNN():

def __init__(self):

self.model = {}#存儲(chǔ)各個(gè)類別的訓(xùn)練樣本的特征，key為類別標(biāo)簽，value是一個(gè)list，元素為樣本的特征向量

self.training_sample_num = {}#存儲(chǔ)訓(xùn)練數(shù)據(jù)中，各個(gè)類別的數(shù)量

#訓(xùn)練模型，輸入是標(biāo)簽列表，和對(duì)應(yīng)的輸入數(shù)據(jù)列表

def fit(self, X, Y):

for i in range(len(Y)):

#將訓(xùn)練數(shù)據(jù)按照類別分組

if Y[i] in self.model:

self.model[Y[i]].append(X[i])

else:

self.model[Y[i]] = [X[i]]

#各個(gè)類別的樣本總數(shù)

self.training_sample_num[Y[i]] = self.training_sample_num.get(Y[i], 0) + 1

#預(yù)測(cè)/判斷一個(gè)樣本的類別。這里模仿sklearn的風(fēng)格，允許輸入單個(gè)樣本，也允許輸入多個(gè)樣本

好啦，這就是關(guān)于分類算法的使用了，如果大家對(duì)機(jī)器學(xué)習(xí)非常感興趣的話，就可以好好學(xué)習(xí)關(guān)于這些內(nèi)容了哦~

總結(jié)

以上是生活随笔為你收集整理的python分类算法_python数据挖掘中的分类算法有哪些？的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。