机器学习算法

发布时间:2020-07-21 08:57:12 作者:grantever
来源:网络 阅读:334

监督学习

KNN K近邻算法

def classify0(inX, dataSet, labels, k):
   dataSetSize = dataSet.shape[0]
   diffMat = tile(inX, (dataSetSize,1)) - dataSet
   sqDiffMat = diffMat**2
   sqDistances = sqDiffMat.sum(axis=1)
   distances = sqDistances**0.5
   sortedDistIndicies = distances.argsort()    
   classCount={}          
   for i in range(k):
       voteIlabel = labels[sortedDistIndicies[i]]
       classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
   sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
   return sortedClassCount[0][0]


推荐阅读:
  1. 机器学习算法:SVM(支持向量机)
  2. 机器学习算法:AdaBoost

免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。

labels 机器学习算法

上一篇:基于.NET WPF+ASP.NET MVC4技术构建夜猫商务会所运营管理平台一体化解决方案

下一篇:区块链学习(1)--win10下构建以太坊私链

相关阅读

您好,登录后才能下订单哦!

密码登录
登录注册
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》