本文實例講述了python機器學習之scikit-learn庫中knn算法的封裝與使用方法。分享給大家供大家參考，具體如下：
1、工具準備，python環境，pycharm
2、在機器學習中，knn是不需要訓練過程的算法，也就是說，輸入樣例可以直接調用predict預測結果，訓練數據集就是模型。當然這里必須將訓練數據和訓練標簽進行擬合才能形成模型。
3、在pycharm中創建新的項目工程，并在項目下新建knn.py文件。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
|
import numpy as npfrom math import sqrtfrom collections import counterclass knnclassifier: def __init__(self,k): """初始化knn分類器""" assert k >= 1 """斷言判斷k的值是否合法""" self.k = k self._x_train = none self._y_train = none def fit(self,x_train,y_train): """根據訓練數據集x_train和y_train訓練knn分類器，形成模型""" assert x_train.shape[0] == y_train.shape[0] """數據和標簽的大小必須一樣 assert self.k <= x_train.shape[0] """k的值不能超過數據的大小""" self._x_train = x_train self._y_train = y_train return self def predict(self,x_predict): """必須將訓練數據集和標簽擬合為模型才能進行預測的過程""" assert self._x_train is not none and self._y_train is not none """訓練數據和標簽不可以是空的""" assert x_predict.shape[1]== self._x_train.shape[1] """待預測數據和訓練數據的列(特征個數)必須相同""" y_predict = [self._predict(x) for x in x_predict] return np.array(y_predict) def _predict(self,x): """給定單個待測數據x,返回x的預測數據結果""" assert x.shape[0] == self._x_train.shape[1] """x表示一行數據，即一個數組，那么它的特征數據個數，必須和訓練數據相同 distances = [sqrt(np.sum((x_train - x)**2))for x_train in self._x_train] nearest = np.argsort(distances) topk_y = [self._y_train[i] for i in nearest[:self.k]] votes = counter(topk_y) return votes.most_common(1)[0][0] |
4、新建test.py文件，引入knnclassifier對象。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
|
from knn.py import knnclassifierraw_data_x = [[3.393,2.331], [3.110,1.781], [1.343,3.368], [3.582,4.679], [2.280,2.866], [7.423,4.696], [5.745,3.533], [9.172,2.511], [7.792,3.424], [7.939,0.791]]raw_data_y = [0,0,0,0,0,1,1,1,1,1]x_train = np.array(raw_data_x)y_train = np.array(raw_data_y)x = np.array([9.880,3.555])# 要將x這個矩陣轉換成2維的矩陣，一行兩列的矩陣x_predict = x.reshape(1,-1)"""1，創建一個對象，設置k的值為6"""knn_clf = knnclassifier(6)"""2，將訓練數據和訓練標簽融合"""knn_clf.fit(x_train,y_train)"""3，經過2才能跳到這里，傳入待預測的數據"""y_predict = knn_clf.predict(x_predict)print(y_predict) |
希望本文所述對大家python程序設計有所幫助。
原文鏈接：https://blog.csdn.net/qq_33531400/article/details/83036380
