PythonKNN算法测试⽓象数据，预测是否下⾬
邻近算法
邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是分类技术中最简单的⽅法之⼀。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以⽤它最接近的k个邻居来代表。
kNN算法的核⼼思想是如果⼀个样本在特征空间中的k个最相邻的样本中的⼤多数属于某⼀个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该⽅法在确定分类决策上只依据最邻近的⼀个或者⼏个样本的类别来决定待分样本所属的类别。 kNN⽅法在类别决策时，只与极少量的相邻样本有关。由于kNN⽅法主要靠周围有限的邻近的样本，⽽不是靠判别类域的⽅法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN⽅法较其他⽅法更为适合。
算法流程
手机站长工具怎么关1. 准备数据，对数据进⾏
2. 选⽤合适的数据结构存储训练数据和测试元组
3. 设定参数，如k
4.维护⼀个⼤⼩为k的的按距离由⼤到⼩的，⽤于存储最近邻训练元组。随机从训练元组中选取k个元组作为初始的最近邻元组，分别计算测试元组到这k个元组的距离，将训练元组标号和距离存⼊优先级队列
5. 遍历训练元组集，计算当前训练元组与测试元组的距离，将所得距离L 与优先级队列中的最⼤距离Lmax
6. 进⾏⽐较。若L>=Lmax，则舍弃该元组，遍历下⼀个元组。若L < Lmax，删除优先级队列中最⼤距离的元组，将当前训练元组存⼊优先级队列。
7. 遍历完毕，计算优先级队列中k 个元组的多数类，并将其作为测试元组的类别。
8. 测试元组集测试完毕后计算误差率，继续设定不同的k值重新进⾏训练，最后取误差率最⼩的k 值。
具体代码：
import numpy as np
import xlrd
path="C:\\Users\\Administrator\\Desktop\\⽓象数据【实验1】\\2011.1训练集8000.xlsx"
def readExcel(path):
data=xlrd.open_workbook(path)
table=data.sheet_by_name("Sheet1")
ws
ls
datamatrix = np.zeros((nrows,ncols))
for i in range(nrows):
datamatrix[i,:]=(w_values(i))
return datamatrix
data=readExcel(path)
data=np.delete(data,12,axis=1)
path1="C:\\Users\\Administrator\\Desktop\\⽓象数据【实验1】\\2011.1 - 测试集749.xls" def readExcel(path1):
web布局框架data1=xlrd.open_workbook(path1)
table=data1.sheet_by_name("Sheet1")
ws
ls
datamatrix = np.zeros((749,14))
for i in range(nrows):
datamatrix[i,:]=(w_values(i))
return datamatrix
data1=readExcel(path1)
data1=np.delete(data1,12,axis=1)
#newStu=np.array([76,105,226,81,78,255,257,255,259,265,2,192,1])
newStu=data1
#print(data1)
def calcu(k):
[rows,cols]=data.shape;
dt={}
51c语言教程
for i in range(rows):
oldStu=data[i][:]
#欧式距离
dist=np.sqrt(np.sum(np.square(data1-oldStu)))
#根据距离的升序进⾏排序
dt=dict(sorted(dt.items(),key=lambda x:x[1],reverse=False))
count=0
#把到的邻居放到neig⾥⾯去
气象python零基础入门教程
neig=list()
neig=list()
for key,value in dt.items():
count+=1;
if(count>k):
unicode所有字符break
neig.append(key)
#统计这些邻居的列表标签
count_rain=0;
for i in neig:汇编语言指令总结
label=data[i][12]
print(str(i)+""+str(label))
if(label==2):
count_rain+=1
count_no_rain=len(neig)-count_rain
if(count_no_rain>count_rain):
print("k="+str(k)+"\n其预测标签：不下⾬")    else:
print("k="+str(k)+"\n其预测标签：下⾬") calcu(4)

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。