当前位置: 首页 > news >正文

网站云主机icp备案网站接入信息怎么写

网站云主机,icp备案网站接入信息怎么写,广州做手机网站咨询,网上开店铺kNN的算法思路#xff1a;找K个离预测点最近的点#xff0c;然后让它们进行投票决定预测点的类型。 step 1: kNN存储样本点的特征数据和标签数据step 2: 计算预测点到所有样本点的距离#xff0c;关于这个距离#xff0c;我们用欧几里德距离来度量#xff08;其实还有很多…kNN的算法思路找K个离预测点最近的点然后让它们进行投票决定预测点的类型。 step 1: kNN存储样本点的特征数据和标签数据step 2: 计算预测点到所有样本点的距离关于这个距离我们用欧几里德距离来度量其实还有很多其他的比如曼哈顿距离等并进行排序拿出前k个样本点。step 3: 统计前k个样本点的类别以最多的那个类型作为预测结果。 欧几里德距离 上代码 import numpy as np # 用于统计 from collections import Counterclass MyKnn:# 初始化投票的数量neighbors表示我们要找的点的数量用于投票决定预测点的类型def __init__(self,neighbors):self.k neighbors# 因为kNN是一个惰性机器性学习模型只在预测阶段才会用到的训练数据不存在训练阶段。或者说在所谓的训练阶段只是为了存储样本数据。# X为特征集# Y为对应的标签集def fit(self,X,Y):self.X np.array(X)self.Y np.array(Y)# 如果特征集不是矩阵阵列或则标签集不是一维数组都直接抛异常。if self.X.ndim ! 2 or self.Y.ndim ! 1:raise Exception(dimensions are wrong!)# 如果标签的数量不竺于特征集的行数也直接抛异常if self.X.shape[0] ! self.Y.shape[0]:raise Exception(input labels are not correct!)def predict(self,X_pre):# 这是要预测的点pre np.array(X_pre)# 判断测试点的矩阵是不是和样本点的矩阵一样的不是直接抛异常if self.X.ndim ! pre.ndim:raise Exception(input dimensions are wrong!)# 我们用rs数组来存储预测结果rs []for p in pre:# 用temp临时数组来存储预测点到所有样本点的欧几里德距离temp []for a in self.X:# 取出每一个样本点来与预测点计算欧几里德距离# np.sqrt(((p - a) ** 2).sum(-1)) 算出距离先求出每预测点到样本点的差值再平方再将所有平方后的值加在一起最后对加起来的结果进行开方得到欧几里德距离。并临时存储在temp数组里temp.append(np.sqrt(((p - a) ** 2).sum(-1)))temp np.array(temp)# 对所有距离进行排序用np.argsort排序时结果对识破距离的下标而不是具体的值因为我们并不关心具体的值我们只要前k个点。用np.argsort排序完取出前k个点的indices就是下标neighbors_indices np.argsort(temp)[:self.k]# 通过前k个点的下标取出相应的标签然后用Counter进行统计这个就是计票环节ss np.take(self.Y,neighbors_indices)# 我们开始计票取出票数第一的标签值。# e.g: Counter(ss) - {2: 4, 1: 1} 表示标签值为2的得4示标签为1的得1票# most_common(1) - [(2, 4)] , 所以most_common(1)[0][0]的值就是 2found Counter(ss).most_common(1)[0][0]# 预测结果存储到rs数组中rs.append(found)return rs欧几里德距离的计算 测试上面的kNN算法 # 用鸢尾花数据集来验证我们上面写的算法 from sklearn.datasets import load_iris # 使用train_test_split对数据集进行拆分一部分用于训练一部分用于测试验证 from sklearn.model_selection import train_test_split # 1.生成一个kNN模型 myknn MyKnn(5) # 2.准备数据集特征集X_train和标签集y_train X_train,y_train load_iris(return_X_yTrue) # 留出30%的数据集用于验证测试 X_train,X_test,y_train,y_test train_test_split(X_train,y_train,test_size0.3) # 3.训练模型 myknn.fit(X_train,y_train) # 4.预测acc就是预测结果 acc myknn.predict(X_test) # 计算准确率 (acc y_test).mean()acc y_test 得到的结果是 array([ True, True, True, True, True, True, True, True, True,True, True, True, True, True, True, True, True, True,True, True, True, True, True, True, True, True, True,True, True, True, True, True, True, True, True, True,False, True, True, True, True, True, True, True, True])True 是1False是0准确率就是 正确的个数 / 总数 准确率 用余弦相似度实现kNN算法
http://www.w-s-a.com/news/814351/

相关文章:

  • 舟山高端网站设计广州优化排名推广
  • 哪个网站做免费广告好上海人才网站
  • cn域名做网站竞价推广代理
  • 省建设干部培训中心网站网站地图1 500 怎么做
  • 制作一个网站需要哪些人网站建设经营服务合同
  • 山东省住房和城乡建设厅官方网站网易发布广州
  • 长沙设计网站效果设计师灵感网站
  • 做网站php都用什么框架把asp.net写的网站别人怎么访问
  • 网站建设捌金手指下拉六正规的代运营公司
  • 自己申请网站空间冀州建网站
  • 哈尔滨旅游团购网站建设江苏建设工程建设网
  • 在郑州做网站茶叶网站建设网页设计制作
  • 58做网站吗南京有关制作网站的公司
  • 申请建设门户网站的申请先做网站还是先申请域名
  • 门户网站怎么做seo玩具外贸好做吗
  • 网页设计模板的网站黄埔营销型网站建设
  • 企业为什么要建立网站江苏高校品牌专业建设工程网站
  • 网站建设公司需要交税么福建省城乡建设厅网站
  • dedecms网站首页网站正在建设中 源码下载
  • 论坛网站有哪些怎么wordpress主题
  • 网站搭建中企动力第一返利的网站怎么做
  • 在哪网站可以做农信社模拟试卷优衣库网站建设的目的
  • 杭州网站建设ttmwl网络平台推广公司
  • 工作室网站技能培训班
  • 东丰网站建设万盛网站制作
  • 安徽黄山网站建设wordpress 公众号 获取密码
  • 自己电脑做网站模板腾讯网站建设分析
  • 如何增加网站反链虚拟主机 2个网站
  • 手机网站调用分享wordpress.org移除
  • 工业和信息化部网站备案系统查询市场调研表模板