KNN英文全稱K-nearst neighbor，中文名稱為K近鄰算法，它是由Cover和Hart在1968年提出來(lái)的
KNN算法原理：

計(jì)算已知類別數(shù)據(jù)集中的點(diǎn)與當(dāng)前點(diǎn)之間的距離；

按照距離遞增次序排序；

選擇與當(dāng)前距離最小的k個(gè)點(diǎn)；

確定前k個(gè)點(diǎn)所在類別的出現(xiàn)概率

返回前k個(gè)點(diǎn)出現(xiàn)頻率最高的類別作為當(dāng)前點(diǎn)的預(yù)測(cè)分

#-*-coding:utf-8-*- import numpy as np import pandas as pd def distance(v1,v2):dist=np.sqrt(np.sum(np.power((v1-v2),2)))return dist #加載數(shù)據(jù) data=pd.read_excel('./電影分類數(shù)據(jù).xlsx') #獲取訓(xùn)練集 train=data.iloc[:,:6] print('train',train) #獲取訓(xùn)練集的特征值與目標(biāo)值 train_x=train.iloc[:,:-1] train_y=train.iloc[:,-1] #獲取測(cè)試集 test=data.columns[-4:] print('test',test) #進(jìn)行計(jì)算距離 #循環(huán)計(jì)算每一個(gè)樣本與測(cè)試集的距離 for i in range(train.shape[0]):#計(jì)算距離dist=distance(train_x.iloc[i,2:5],test[1:])train.loc[1,'dist']=dist #對(duì)距離按照升序排序 train.sort_values(by='dist',inplace=True) #確定K值，k值不同結(jié)果不同 k=1 res=train.loc[:,'電影類型'][:k].mode()[0] print(res)

總結(jié)

以上是生活随笔為你收集整理的knn算法实现电影分类的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。