KNN英文全稱K-nearst neighbor，中文名稱為K近鄰算法，它是由Cover和Hart在1968年提出來的
KNN算法原理：

計算已知類別數據集中的點與當前點之間的距離；

按照距離遞增次序排序；

選擇與當前距離最小的k個點；

確定前k個點所在類別的出現概率

返回前k個點出現頻率最高的類別作為當前點的預測分

#-*-coding:utf-8-*- import numpy as np import pandas as pd def distance(v1,v2):dist=np.sqrt(np.sum(np.power((v1-v2),2)))return dist #加載數據 data=pd.read_excel('./電影分類數據.xlsx') #獲取訓練集 train=data.iloc[:,:6] print('train',train) #獲取訓練集的特征值與目標值 train_x=train.iloc[:,:-1] train_y=train.iloc[:,-1] #獲取測試集 test=data.columns[-4:] print('test',test) #進行計算距離 #循環計算每一個樣本與測試集的距離 for i in range(train.shape[0]):#計算距離dist=distance(train_x.iloc[i,2:5],test[1:])train.loc[1,'dist']=dist #對距離按照升序排序 train.sort_values(by='dist',inplace=True) #確定K值，k值不同結果不同 k=1 res=train.loc[:,'電影類型'][:k].mode()[0] print(res)

總結

以上是生活随笔為你收集整理的knn算法实现电影分类的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。