python数据分析和数据挖掘的区别,Python数据挖掘算法

　　长期以来，python一直是机器学习领域的热门话题。你知道我们用Python学习机器技术的时候，使用的方法和内容和一般的是一样的吗？想必你认识的朋友一定知道他们有什么，不知道的也不用担心。如果你刚好在学机器技术，那就来看看下面的内容吧，肯定对大家有帮助~

　　一、KNN算法

　　二、算法过程

　　1.读取数据集

　　2.处理数据集的数据清洗，用hold-out法拆分数据集：训练集和测试集。

　　三、实现KNN算法类：

　　1)遍历训练数据集，用偏差平方和计算各点之间的距离。

　　2)对每个点的距离数组进行排序，根据输入的K值取对应的K个点。

　　3)在k个点中，统计每个点出现的次数，权重是距离的导数得到值，值的指标就是我们计算的判断类别。

　　四、kNN的python实现

　　importnumpyasnp

　　#最简单的KNN之一

　　classKNN():

　　def__init__(self):

　　Self.model={}#存储每个类别的训练样本的特征，key作为类别标签，value作为列表，elements作为样本的特征向量。

　　Self.training_sample_num={}#存储训练数据中每个类别的数量。

　　#训练模型，输入的是标签列表，以及相应的输入数据列表。

　　deffit(self，X，Y):

　　foriinrange(len(Y)):

　　#根据类别对培训数据进行分组

　　ifY[i]inself.model

　　self.model[Y[i]]。追加(X[i])

　　else:

　　self.model[Y[i]]=[X[i]]

　　#每个类别的样本总数

　　self . training _ sample _ num[Y[I]]=self . training _ sample _ num . get(Y[I]，0) 1

　　#预测/判断样本的类别。这里我们模仿sklearn的风格，允许单个样本或者多个样本输入。嗯，这是关于分类算法的使用。如果你对机器学习很感兴趣，可以好好了解一下这些内容~

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。