기계 학습 실전의 kn 알고리즘 판다스 실현
1781 단어 기계 학습
# coding: gbk
import pandas as pd
import numpy as np
def getdata(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
return normal_chara, label #
def knn(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]
return res_label # knn 이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
형태소 분석은 데스크톱을 구성하는 데 도움이?문자×기계 학습에 흥미를 가져와 개인 범위의 용도를 생각해, 폴더 정리에 사용할 수 있을까 생각해 검토를 시작했습니다. 이번 검토에서는 폴더 구성 & text의 읽기 → mecab × wordcloud를 실시하고 있...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.
좋은 웹페이지 즐겨찾기
