python中kNN类型化的投票过程(array.argsort)
kNN（k-Nearest Neighbors）是一种常用的机器学习算法，用于分类和回归问题。在Python中，可以使用numpy库中的array.argsort方法来实现kNN类型化的投票过程。
array.argsort方法返回数组中元素排序后的索引值。在kNN中，我们可以使用该方法来找到距离待分类样本最近的k个邻居，并根据它们的类型进行投票决策。
下面是完善且全面的答案：
概念：
kNN（k-Nearest Neighbors）是一种基于实例的学习算法，用于分类和回归问题。它通过计算待分类样本与训练集中样本的距离，选取距离最近的k个邻居，并根据它们的类型进行投票决策。
分类：
kNN算法属于监督学习算法中的一种，用于解决分类问题。它通过计算待分类样本与训练集中样本的距离，选取距离最近的k个邻居，并根据它们的类型进行投票决策。最终，待分类样本被归为投票结果最多的类别。
优势：
- 简单易懂：kNN算法的原理简单，易于理解和实现。
- 适用性广泛：kNN算法可以应用于分类和回归问题，并且对数据分布没有假设，适用于各种类型的数据。
- 鲁棒性强：kNN算法对噪声数据不敏感，能够处理一些异常情况。
- 非参数化：kNN算法不对数据的分布做出假设，可以适应各种类型的数据。
应用场景：
kNN算法在许多领域都有广泛的应用，包括图像识别、文本分类、推荐系统等。例如，在图像识别中，可以使用kNN算法根据图像的特征向量进行分类。
推荐的腾讯云相关产品和产品介绍链接地址：
腾讯云提供了丰富的人工智能和云计算相关产品，以下是一些推荐的产品和对应的介绍链接地址：
- 人工智能计算机（AI Computer）：腾讯云提供的高性能计算机实例，可用于深度学习、机器学习等任务。详情请参考：https://cloud.tencent.com/product/cvm/ai-computer
- 人工智能推理（AI Inference）：腾讯云提供的高性能推理服务，可用于将训练好的模型部署到生产环境中进行推理。详情请参考：https://cloud.tencent.com/product/ti
- 人工智能开发者工具包（AI Developer Kit）：腾讯云提供的一套开发者工具包，包括模型训练、模型部署等功能，方便开发者进行人工智能应用开发。详情请参考：https://cloud.tencent.com/product/ai-developer-kit
请注意，以上链接仅供参考，具体的产品选择应根据实际需求进行评估和选择。
相关·内容
1回答
我正在阅读关于KNN使用权重的注释，我遇到了一个我并不真正理解的例子。
假设我们有K=7，我们得到如下结论：
决策集= {A，B，B，B}
如果这是标准的KNN算法，我们将选择A，但是注释给出了一个使用权重的例子：
By类分布(权重与类频率成反比)
class A: 95 %，B类5 %
这将导致类B。
我似乎想不出为了得到B的答案而遗漏的数学。
浏览 0提问于2018-12-10得票数 3
回答已采纳
1回答
Python中的这一行是否表示KNN是加权的？
clf = KNeighborsClassifier(n_neighbors=5, metric='euclidean', weights='distance')
重量是距离的反比吗？
有人能给出一个例子，说明加权KNN在数学上是如何工作的吗？
浏览 0提问于2019-12-10得票数 1
1回答
我理解k近邻(KNN)是如何工作的，但我不熟悉“软投票”这个术语。什么是与KNN相关的软投票，与标准KNN投票相比，它是如何工作的？
一个比较两个投票方案的简单示例将是有用的，并且到Matlab实现的链接将是一个很好的奖励。
谢谢
乔希
浏览 0提问于2011-01-09得票数 4
回答已采纳
4回答
我需要保存SKlearn NearestNeighbors模型的拟合结果：
knn = NearestNeighbors(10)
knn.fit(my_data)
如何使用Python保存到磁盘中的knn？
浏览 0提问于2019-05-27得票数 5
回答已采纳
1回答
用于两个以上分类器的管道
、、、
我试图建立一个组合使用Knn和随机森林分类器。
steps = [('scaler', StandardScaler()),
('regressor', VotingClassifier(estimators=[
('knn', KNeighborsClassifier()),
('clf', RandomForestClassifier())]))]
pipeline = Pipeline(steps)
parameters = [{'knn__n_neighbors': np.a
浏览 7提问于2022-08-25得票数 1
我用Python在一个包含大约200个样本的小监督数据集上训练和测试了一个KNN模型。我想将这些结果应用于一个包含数千个样本的更大的无监督数据集。 我的问题是:有没有一种方法可以使用小的监督数据集来拟合KNN模型，然后更改大的无监督数据集的K值？我不想通过使用较小数据集中的低K值来过度拟合模型，但不确定如何拟合模型，然后在Python中更改K值。 使用KNN可以做到这点吗？有没有其他方法可以将KNN应用于更大的无监督数据集？
浏览 34提问于2019-01-31得票数 0
回答已采纳
2回答
我是Python的新手。我有以下代码片段： kf = KFold(n_splits=5)
averaged_precision_for_t_knn = []
averaged_recall_for_t_knn = []
for t in range(1,6,1):
print(t)
averaged_precision = []
averaged_recall = []
for trainset, testset in kf.split(data):
algo.fit(trainset)
predictions = algo.
浏览 29提问于2019-09-01得票数 2
回答已采纳
scaler = StandardScaler()
knn_clf = KNeighborsClassifier(weights="distance")
pipeline = make_pipeline(scaler, knn_clf)
param_grid = {"kneighborsclassifier__n_neighbors": np.arange(1,11)}
knn_gscv = GridSearchCV(pipeline, param_grid, cv=5, scoring="accuracy")
knn_gscv.fit(X_t
浏览 3提问于2021-10-31得票数 1
我正在使用Weaviate的KNN引擎执行多类分类，但我不明白：
它用的是哪种KNN？
它是使用简单投票还是距离加权投票？
是用余弦距离吗？
它是使用一种方法来寻找可能的邻居，还是使用蛮力来找到所有真正的近邻？
什么是输赢组，它们是如何用来预测新向量的类别的？
浏览 12提问于2021-12-07得票数 2
回答已采纳
当我试图根据拟合的模型进行预测时，我总是遇到这个错误。
training, testing = train_test_split(gesture, test_size = 0.2, random_state = 0)
x = training.drop('CLASS', axis = 1) # remove the Class column from Training dataframe
y = testing.drop('CLASS', axis = 1) # remove the
浏览 0提问于2020-06-18得票数 0
我正试图了解如何正确使用KNeighborsTransformer，所以我使用Iris数据集来测试它。但是，我发现当我在KNeighborsTransformer之前使用KNeighborsClassifier时，得到的结果与直接使用KNeighborsClassifier不同。
当我绘制决策边界时，它们是相似的，但不同的。
我已经明确地给出了度量和加权模式，所以这不是问题。
为什么我会有这样的区别？这与他们是否把一个点算作自己的近邻有关系吗？还是与metric='precomputed'有关？
下面是我用来考虑这两个分类器的代码。
import numpy as np
浏览 6提问于2022-08-16得票数 2
回答已采纳
考虑使用以下训练集的回归问题：
我想为每个对象预测2个最近的邻居预测-但是，每次我调用knn函数时都会得到不同的预测。应该是这样吗？下面是我使用的代码：
library(class)
test <- train <- matrix(c(-1, 0, 2, 3),,1)
cl <- c(0, 1, 2, 1)
knn(train, test, cl, k=2)
输出：
> knn(train, test, cl, k=2)
[1] 1 1 2 2
Levels: 0 1 2
> knn(train, test, cl, k=2)
[1] 0 0 1 2
L
浏览 0提问于2015-12-11得票数 4
1回答
我使用以下代码在服务器上运行Python 3分类脚本：
# define knn classifier for transformed data
knn_classifier = neighbors.KNeighborsClassifier()
# define KNN parameters
knn_parameters = [{
'n_neighbors': [1,3,5,7, 9, 11],
'leaf_size': [5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60],
'algo
浏览 2提问于2020-05-08得票数 0
回答已采纳
因此，我一直在一组数据上使用KNN，在train_test_split阶段的random_state =4。尽管使用了随机状态，但每次输出的准确率、分类报告、预测等都是不同的。想知道为什么会这样？
这里是数据的头部：(根据all_time_runs和顺序预测位置)
order position all_time_runs
0 10 NO BAT 1304
1 2 CAN BAT 7396
2 3 NO BAT 6938
3 6 CAN BAT 4903
4
浏览 0提问于2019-10-05得票数 1
我比较了我的1NN基分类器和30个数据集的逆距离加权投票，加权投票选项似乎使分类器在90%的时间内表现相同或更差。
我的问题是，这是正常的，还是我不正确地实现了分类器的某些部分？
我正在使用Java和WEKA。我已经测试了30个数据集。我正在运行30个测试数据集和计算平均准确性。我计算准确性的方法是计算所有正确的预测，然后除以我正在分类的实例的总数。
下面的代码将通过在数据集上测试实例的总体准确性进行30次测试并计算其准确性来对实例进行分类。
for(int j = 0; j < 2; j++) {
if(j == 1) {
knn.setWeightedVo
浏览 2提问于2019-04-19得票数 0
2回答
我对ML很陌生，我不明白为什么KNN会使用随机排列。我指的是k近邻分类器部分中的。提供了下列守则：
>>> perm = np.random.permutation(iris.target.size)
>>> iris.data = iris.data[perm]
>>> iris.target = iris.target[perm]
>>> knn.fit(iris.data[:100], iris.target[:100])
KNeighborsClassifier(...)
>>> knn.sco
浏览 6提问于2015-12-01得票数 0
回答已采纳
1回答
我有一个数据框架，其中要预测的变量有28个可能的因素结果。
现在，我在训练数据集上运行了三种分类器算法:支持向量机(SVM)、随机森林(RF)和k最近邻(KNN)。
现在，我有三个预测向量对应于上述三种算法。所有这些都有很好的准确度约80%-90%。
我希望对它们进行集成，并根据三种算法的投票系统来预测最终的结果变量。注:支持向量机的准确率最高，其次是RF，其次是kNN。例如：
SVM prediction | RF prediction | KNN prediction|Final outcome
---------------|---------------|---------------
浏览 1提问于2016-11-27得票数 0
回答已采纳
1回答
我正在寻找可伸缩的工具来在稀疏数据点上构建kNN图。
数据点的尺寸和数量都可以达到数百万。
我已经尝试过的是：
sklearn.neighbors.kneighbors_图表：它用蛮力搜索稀疏数据，给出二次时间.
弗兰：只支持密集阵列
帕斯宾：运行时间不是很令人满意(也许是因为它是用Python编写的)
毫升包中的knn搜索:它只支持密集数据
scipy.spatial.KDTree：它将稀疏数据转换为密集数据
SparseLSH：它是用Python实现的，所以我不太确定它的可伸缩性
弹性搜索：它似乎只支持索引文档，而不支持稀疏特性。
我想到elasticsearch的原因是:基于稀疏数据的k
浏览 0提问于2018-07-18得票数 2
回答已采纳
1回答
我正在努力改进我的KNN回归过程(我想使用sklearn / python，但这并不重要)，.I希望改进我的结果并获得洞察力。下面是一个示例：
我有从电机测量的数据:输入电压(U)和电流(I)，输出转矩(T)和速度(S)。
首先，意图是一种简单的方法，我将状态中的数据提供给KNN算法，并使用结果。但是，每一个结果都不是合乎逻辑的(即使它们在统计上接近)。
如果你在过程中添加了一个知识层，一种“人在循环中的方法”，那一定会更好！例如，您知道输入功率为Pin = U_I，输出功率为Pout = T_S，系统的效率不能高于1，而KNN的结果可以在eff > 1的情况下生成结果。
我的问题是，在
浏览 0提问于2019-07-04得票数 0
1回答
加权K近邻的正确实现
、、、
据我所知，经典的KNN算法的工作方式如下(对于离散数据)：
让x作为要分类的点。
设dist(a，b)是点a和b之间的欧氏距离
迭代训练集点pᵢ，取距离dist(pᵢ，x)
将x分类为K点之间最常见的类(根据dist)与x最接近。
我将如何在这个经典的KNN上引入权重？我读到，应该更加重视更接近的点，我读过，但不明白这将如何适用于离散数据。
对我来说，首先，使用argmax没有任何意义，如果重量作用于增加距离，那么距离就会更糟。抱歉，如果我在胡说八道。
浏览 2提问于2018-03-30得票数 2
回答已采纳
我想使用鼠标、KNN和Soft Impute对fancyimpute包中的预测值进行比较，然而，当我运行我的代码时，KNN和SoftImpute对我的值只给出了0，而不是由鼠标给出的更有意义的值。
imputed_numerical=train[['Age']].select_dtypes(include='number']).as_matrix()
Age_MICE=MICE().complete(imputed_numerical)
Age_KNN=KNN(k=3).complete(imputed_numerical)
Age_SoftImpute=So
浏览 50提问于2018-07-31得票数 1
我正在对数据运行一个ML分类器。我使用了SVM，RF和KNN。我用GScv对每个分类器，然后使用votingclassifier.The，我在每个分类器中得到的独立投票的准确率都很低，但是从硬投票和软投票的投票分类器都要高得多！为什么会这样呢？
这是我的密码
拟合核支持向量机到训练集
from sklearn.svm import SVC
clf = SVC(C=1, cache_size=200, class_weight=None, coef0=0.0,
decision_function_shape='ovr', degree=3, gamma=0.005, kern
浏览 0提问于2018-10-15得票数 0
Edit1:我使用命令pip install KNN获得了KNN模块，命令正常工作，显示模块已经安装。当我再次使用该命令时，它将返回以下内容：Requirement already satisfied: KNN in c:\users\Username\appdata\local\programs\python\python310\lib\site-packages (1.0.0)
代码：
import KNN
print(KNN.__version__)
问题: TabError:缩进中制表符和空格的使用不一致
编者: VS代码
操作系统: Windows 10
我试着得到的是：
删除代码中
浏览 1提问于2022-05-19得票数 0
回答已采纳
3回答
我正在进行分类(而不是聚类)。我可以使用kNN算法吗？理想的k值是多少？在一些堆栈流的答案中，我看到他们建议使用特性数量的平方根。但这条规则是从哪里来的？有谁能帮帮我吗？)
浏览 1提问于2015-11-24得票数 2
回答已采纳
1回答
KNN算法中的最佳k值
、、、、
因此，我正在学习KNN算法，在那里我学习了交叉验证来寻找k.Now的一个最优值，我想应用网格搜索来获得最优值。我在堆栈溢出上发现了一个回答，其中standardScaler和KNN都被作为估计器传递。
pipe = Pipeline([
('sc', StandardScaler()),
('knn', KNeighborsClassifier(algorithm='brute'))
])
params = {
'knn__n_neighbors': [
浏览 0提问于2020-05-03得票数 0
回答已采纳
在使用knn回归模型时，我正在尝试应用自己的自定义距离度量函数。我的数据集混合了名义、顺序、数值和二进制类型的字段
代码：
def cus_distance(array1, array2, **kwargs):
# calculate the distance, return a float
pass
knn = neighbors.KNeighborsRegressor(weights='distance', metric=cus_distance)
# train_data is a pandas dataframe obj
knn.fit(train_
浏览 6提问于2013-12-18得票数 2
1回答
我需要一些关于K近邻算法的解释。
为什么KNN算法需要训练过程？在回归模型中，训练过程意味着为所选函数寻找最优参数。KNN训练是否意味着训练数据点之间的相似距离是计算出来的？为什么这对以后的预测阶段有好处呢？
训练和测试数据点之间的相似距离也是计算的吗？如果是的话，那为什么在计算训练数据之间的距离之前，还需要计算这些数据点之间的距离呢？
如果执行了下面的代码，那么它到底要做什么？这是否意味着计算了训练数据点之间的距离？neigh = KNeighborsClassifier(n_neighbors = k).fit(x_train, y_train)
如果执行了下面的代码，那么它到底要做什么？
浏览 0提问于2019-04-24得票数 2
2回答
我对matlab很陌生。对我来说，任务是对某些数据集执行数据分类。给定的数据集由数值组成。困扰我的一件事是，我必须从所有的KNN，ANN，SVM。在执行KNN时，我遇到了一个问题，比如如果K是用户定义的，那么如何找到它的值，我们必须从哪个值开始，以及何时停止它。如果有人回答我的问题，我会非常感谢的。
浏览 2提问于2014-02-15得票数 1
回答已采纳
1回答
我使用下面的代码执行KNN对缺失值的补充： 1) data[missing] = KNN(k = 3, verbose = False).fit_transform(data[missing]) 然而，我看到了一些教程(例如，使用.complete()方法的Chris Albon - Machine Learning With Python Cookbook p. 78； 2) features_knn_imputed = KNN(k=5, verbose=0).complete(X_train[true_nums]) 我想知道2)是不推荐使用的代码，还是我在1)中输入的KNN实现是不正确的
浏览 23提问于2019-10-03得票数 0
回答已采纳
实际上，为了简化代码，我决定使用一个带有Dataframe参数的函数，而不是编写两个类似的部分代码。如下所示：
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error
train_one = split_one
test_one = split_two
train_two = split_two
test_two = split_one
def train_predict(train_arg, predict_arg):
knn = KNeigh
浏览 0提问于2018-08-21得票数 3
回答已采纳
我正在测试一个简单的模型(knn)，并尝试将结果与Ensamble进行比较。
from sklearn.model_selection import cross_val_score
from sklearn.neighbors import KNeighborsClassifier
from sklearn.ensemble import BaggingClassifier
from sklearn.datasets import load_iris
data = load_iris()
y = data.target
X = data.data
knn = KNeighborsClassif
浏览 2提问于2017-06-15得票数 1
回答已采纳
我正在尝试用python实现k-最近邻算法。最后，我得到了以下代码。但是，我很难找到最近的邻居的索引。下面的函数将返回距离矩阵。但是，我需要在features_train (算法的输入矩阵)中获取这些邻居的索引。
def find_kNN(k, feature_matrix, query_house):
alldistances = np.sort(compute_distances(feature_matrix, query_house))
dist2kNN = alldistances[0:k+1]
for i in range(k,len(feature_matr
浏览 0提问于2016-10-18得票数 0
回答已采纳
我是python的新手，正在尝试运行KNN，但是当我输入代码时，我得到了错误ValueError:未知标签类型：‘未知’。我已经对所有分类数据进行了编码，并删除了不需要的数据，以避免虚拟陷阱。我还需要做些什么才能清除它？ from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import fbeta_score
training_accuracy = []
test_accuracy = []
neighbors_settings = range(1, 11)
for n_neighbors
浏览 45提问于2019-06-28得票数 0
我想对相对较大的图像数据集(>2000 rgb图像)运行一些机器学习算法，如PCA和KNN，以便对这些图像进行分类。
我的源码如下：
import cv2
import numpy as np
import os
from glob import glob
from sklearn.decomposition import PCA
from sklearn import neighbors
from sklearn import preprocessing
data = []
# Read images from file
for filename in glob('Ima
浏览 0提问于2018-01-31得票数 1
1回答
我已经开始从事决策树回归和KNN Regressor的工作。
我已经建立了模型，并且不确定评估需要考虑哪些度量标准。到目前为止，我已经考虑了根均方误差。
我们可以将$R^2$值用于决策树和KNN，还是只适用于线性回归模型？
我还粘贴了$R^2$和MSE值。据我的理解，线性回归模型是稳定的，决策树是过拟合的，KNN的误差较小。这里需要考虑哪种模式？
R2 Score for train - KNN regression 0.8215942683102192
R2 Score for test - KNN regression 0.7160388084850589
Mean squared err
浏览 0提问于2018-05-10得票数 3
回答已采纳
我试图在MNIST示例数据集上实现KNearestNeighbors的使用。
在尝试使用cross_val_predict时，不管我离开它多长时间，脚本都会继续运行。
有什么东西我遗漏了/做错了吗？
如有任何反馈，将不胜感激。
from sklearn.datasets import fetch_openml
import numpy as np
mnist = fetch_openml('mnist_784', version=1) #Imports the dataset into the notebook
X, y = mnist["data"], mn
浏览 10提问于2020-06-24得票数 0
回答已采纳
1回答
服务提供k-最近邻(K)搜索，它可以通过相似用例来增强搜索。
我试过我在这里找到的官方密码..。
PUT /myindex
{
"settings" : {
"index": {
"knn": true
}
},
"mappings": {
"properties": {
"my_vector1": {
"type": "
浏览 1提问于2020-03-07得票数 1
回答已采纳
从基本理论上看，knn是一种有监督的算法，而k-均值是一种无监督的算法。
然而，在Sklearn有一个无监督学习(http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.NearestNeighbors.html#sklearn.neighbors.NearestNeighbors)的KNN的实现。
在SkLearn，这个无监督的knn到底是什么版本？
这是knn算法吗？
如果是的话，它是如何被无监督的，因为根据定义，knn是受监督的？
如果不是，那又是什么呢？
浏览 0提问于2018-07-05得票数 4
回答已采纳
我在python中使用K和(k=10)训练并测试了一个预测销售额的模型。
knn = KNeighborsRegressor(n_neighbors=10, algorithm="brute")
knn.fit(X_train, y_train)
knn_pred = knn.predict(X_test)
test_data['predictied'] = knn_pred
我想显示由want选择的10种情况的集合来对每一行进行预测。如何显示或检索k案例？
浏览 1提问于2020-01-08得票数 0
回答已采纳
1回答
我使用knn对随机数据进行估计，并从向量中选择不同的k。每个knn返回一个长度为200的向量，我有13个k，所以我需要在for循环之前初始化一个13x200的向量。我想做一些像这样的事情
knn_train <- rep(0,1000)
但是对于一个多维的向量。
下面是我的代码：
library(class)
library(MASS)
#List of k's for use in knn
k <- c(1,4,7,10,13,16,30,45,60,80,100,150,200)
#Generate identity matrix for sigmas
sigma &
浏览 2提问于2013-02-20得票数 2
1回答
我试着对几个k值进行5折交叉验证。我使用ISLR包中的OJ数据集。 到目前为止，我的代码如下所示： library(ISLR)
library(class)
ks=c(1:5)
err.rate.test <- numeric(length = 5)
folds <- cut(seq(1,nrow(OJ)),breaks=5,labels=FALSE)
for (j in seq(along = ks)) {
set.seed(123)
cv.knn <- sapply(1:5, FUN = function(i) {
testID <- which
浏览 44提问于2019-03-25得票数 0
回答已采纳
2回答
我读到在KNN算法中我们需要交叉验证，因为我们从KNN的训练测试中发现的K值可能无法对未见数据进行泛化。
给出的逻辑是，在求K值时使用测试数据集，因此KNN-算法具有测试数据集的信息，因为K是通过测试数据集发现的。这和看不见的数据不一样。
但是是的，K值是从测试数据集中找到的，因此我们得到了我们的KNN算法，但是对测试数据的测试是在不知道测试数据的情况下进行的，而且是的，我们从中选择了K，但是不管我们是否选择了k，KNN给出了对测试数据的这种盲的准确性。
因此，为什么需要交叉验证呢？
浏览 0提问于2022-01-09得票数 0
1回答
我试图在python中用KNN来估算缺少的值，所以我下载了一个名为fancyimpute的包，其中包含方法KNN，然后当我想导入它时，我得到了这个错误ImportError: cannot import name 'KNN‘，请帮助我
浏览 0提问于2017-05-28得票数 0
我对Python还比较陌生，目前正在使用Anaconda安装。当我执行下面的代码时，我会得到一个错误，即'ImportError: No模块knn‘我已经检查过了，并且我在site-packages文件夹中找到了knn，这是Anaconda安装程序附带的：(.site-packages/PCV/classifiers/knn)任何关于如何使它工作的帮助都将是非常感谢的。
我的代码之一是：
import knn
...
...
model = knn.KnnClassifier( labels, vstack(( class_1, class_2)))
.....
.....
...
浏览 4提问于2015-02-08得票数 0
回答已采纳
我有两个具有不同属性尺度的类的大型数据集(例如，一些属性从5到10，其他属性从0到100 )。我知道如果我直接使用kNN算法，这种差异将使分析无效，我需要对属性进行规范化。
WEKA上的一些分类器似乎可以进行这种归一化，比如RBF或SMO，但我需要使用其他分类器，首先是IBK分类器(KNN)。
weka在某种程度上是领先的吗？如何在KNN分类中合并标准化过程？
谢谢
浏览 0提问于2013-05-23得票数 1
我在Ubuntu，Python和sklearn中安装了一个32 GB DDR4内存的模型。
输入是一个大型数据集，1M+行，1052列。(大多数列都是0，1中分类变量的虚拟。)
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors = 14)
knn = knn.fit(x,y)
import pickle
pickle.dump(knn, open('KNN.sav', 'wb'))
从另一篇文章来看，解决方案总是使用更高的规格和
浏览 1提问于2018-11-02得票数 0
我在Python中创建了一个用knn替换缺少的值的函数，下面是我的函数：
def missing_variables_knn(x):
test = data[data[x].isnull()]
train = data[data[x].isnull()==False]
X_train = train.loc[:, ['ApplicantIncome', 'CoapplicantIncome', 'LoanAmount', 'Loan_Amount_Term']]
Y_train = train[x
浏览 47提问于2018-06-09得票数 2
我正在尝试安装PU_GAN存储库，在安装了knn_cuda模块并尝试在python shell上调用它之后，我得到了这个错误：
import knn_cuda
Traceback (most recent call last):
File "", line 1, in
File "C:\Users\49152\anaconda3\envs\torch\lib\site-packages\knn_cuda_init_.py", line 38, in
knn = load_cpp_ext("k
浏览 9提问于2021-05-14得票数 0
2回答
我有一个新的数据点，我想把它分类到现有的类中，我可以计算新点到所有现有点(在现有类中)的成对距离。我知道使用KNN对这一点进行分类是很简单的。有没有一种方法可以随机抽样现有的类，然后将新的点与潜在的类进行关联，而不计算所有成对距离？
浏览 0提问于2015-04-13得票数 0
回答已采纳
1回答
我试图在R上运行一个并行的kNN程序，但是我得到了这个错误：
{：任务1失败-“找不到函数"knn"”时出错“
程序是这样的：
library(class)
library(doSNOW)
library(foreach)
train <- read.csv('train.csv')
test <- read.csv('test.csv')
trainY <- read.csv('trainY.csv')
cl <- as.vector(as.matrix(trainY))
system.time(su
浏览 1提问于2015-11-01得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
