机器学习实战之knn算法pandas
机器学习实战之knn算法pandas，供大家参考，具体内容如下
开始学习机器学习实战这本书，打算看完了再回头看周志华的机器学习。机器学习实战的代码都是用numpy写的，有些麻烦，所以考虑用pandas来实现代码，也能回顾之前学的用python进行数据分析。感觉目前章节的测试方法太渣，留着以后学了更多再回头写。
#coding:gbk importpandasaspd importnumpyasnp defgetdata(path): data=pd.read_csv(path,header=None,sep='\t') character=data.iloc[:,:-1] label=data.iloc[:,-1] chara_max=character.max() chara_min=character.min() chara_range=chara_max-chara_min normal_chara=(character-chara_min)/chara_range returnnormal_chara,label#获得归一化特征值和标记 defknn(inX,normal_chara,label,k): data_sub=normal_chara-inX data_square=data_sub.applymap(np.square) data_sum=data_square.sum(axis=1) data_sqrt=data_sum.map(np.sqrt) dis_sort=data_sqrt.argsort() k_label=label[dis_sort[:k]] label_sort=k_label.value_counts() res_label=label_sort.index[0] returnres_label#knn算法分类
小编为大家分享一段代码：机器学习--KNN基本实现
#_*_coding_*_
importnumpyasnp
importmath
importoperator
defget_data(dataset):
x=dataset[:,:-1].astype(np.float)
y=dataset[:,-1]
returnx,y
#defcal_dis(a,b):
#x1,y1=a[:]
#x2,y2=b[:]
#dist=math.sqrt(math.pow(2,x2)-math.pow(2,x1))
defknnclassifer(dataset,predict,k=3):
x,y=get_data(dataset)
dic={}
distince=np.sum((predict-x)**2,axis=1)**0.5
sorted_dict=np.argsort(distince)#[21034]
countLabel={}
foriinrange(k):
label=y[sorted_dict[i]]
#print(i,sorted_dict[i],label)
countLabel[label]=countLabel.get(label,0)+1
new_dic=sorted(countLabel,key=operator.itemgetter(0),reverse=True)
returnnew_dic[0][0]
if__name__=='__main__':
dataset=np.loadtxt("dataset.txt",dtype=np.str,delimiter=",")
predict=[2,2]
label=knnclassifer(dataset,predict,3)
print(label)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。