Java实现kNN算法

是一个不错的中文分类器，里面包括knn 和svm分类法。李荣陆的作品。安装后即可使用。

文件中包含SVM，CNN，KNN三种分类算法，用于机器学习和神经网络，m文件可直接调用

Python3 Knn~鸢尾花分类-附件资源

KNN癌症预测测试实验数据，仅供学习使用，数据量偏小，只有100条数据，所以只能供学习学习学习使用。Prostate_Cancer.csv

本文的结构如下： 在第二部分，主要介绍kNN算法的基本原理、思想、实现步骤、Java实现代码以及发展历程和经典论文。 第三部分是对kNN算法的诸多不足之处进行的讨论，并给出一些改进的方案。 第四部分介绍的是kNN算法如何处理多标签数据。 第五部分介绍了kNN算法目前的主要应用领域，并着重说明了其在文本分类中的出色表现。

功能1. kNNeighborsRegressor.predict(_) 描述1. 根据一个或多个自变量（预测变量）估计连续变量（目标）的值。 请参阅脚本文件中的示例。

VehicleColorID 使用YOLOv3进行对象分割，并使用颜色直方图和kNN分类器进行颜色识别。 需要图书馆 OpenCV-4.2 枕头-6.1 脾气暴躁-1.18.1 Matplotlib-3.1.3 其他需求 Darknet和YOLOv3 cfg和权重已安装。 按照上的说明安装Darknet。 color_feature_extractor和knn模块需要与VehicleColorID文件放置在同一文件夹中。 这些文件应放置要检测的颜色数据集。 训练数据生成 使用以下命令运行color_feature_extractor.py：python color_feature_extractor.py --path $ COLOR_DATASET_PATH $ 运行分类器 在COCO数据集上预训练的YOLOv3用作对象检测器，基于颜色的kNN分类器可预测检测到的对象的颜色。

本文首先对比通用搜索引擎与主题搜索引擎的区别，总结主题搜索引擎的优点；然后介绍目前世界上主题搜索引擎技术的发展状况。接着，综述了面向主题中文搜索引擎的设计，详细介绍涉及该领域的三个核心技术：文档分类技术、中文处理技术和网页搜集预测技术。对于以上三种技术，我们在简述已知算法的基础上，都阐述了具体系统的实现方案。其中中文切词问题作为工作的重点，在文章中有比较详尽的介绍，包括中文处理的背景知识，中文切词软件的基本原理和中文切词词典的改进。

对KNN文本分类算法进行改进,提高文本分类正确率和分类效率.