不可多得的关于kNN算法的资料，讲解通俗易懂!

基于matlab的表情识别代码数据挖掘 项目1 在本作业中，您将研究k最近邻，神经网络和SVM分类器在两个实际分类问题上的应用。 用于此分配的数据集已上传到“数据集”文件夹下。 x_train，y_train，x_test和y_test分别表示训练功能，训练标签，测试功能和测试标签。 在x_train和x_test中，每一行代表一个数据样本，每一列代表一个特征。 问题1 人类活动识别数据集是根据对30名志愿者进行的实验而创建的，以使用智能手机数据识别人类活动。 每个人都在腰部佩戴智能手机（三星Galaxy S II）进行六项活动（步行，步行，上楼，下坐，坐着，站立，躺着）。 使用其嵌入式加速度计和陀螺仪，可以以50Hz的恒定速率捕获3轴线性加速度和3轴角速度。 使用信号处理算法处理数据以提取维度561的特征向量。训练集包含7,352个样本，测试集包含2,947个样本。 在此数据集上实现k = 5的k最近邻算法。 使用简单的欧几里德距离度量来计算两个样本之间的距离。 在训练集上训练带有参数2的多项式内核的SVM分类器，并在测试集上进行测试。 您需要为每个课程训练一个SVM。 为了预测测试

python开发的手写数字识别。 详情参考：http://blog.csdn.net/faaronzheng/article/details/50908961

版主博客【从零开始的机器学习1】——KNN中使用的代码，精度不高，仅供学习实现思路！后续把博客地址贴在这里：

机器学习kNN算法完整代码，https://blog.csdn.net/qq_45556599/article/details/103039796

Python-opencv+KNN求解数独 最近一直在玩数独，突发奇想实现图像识别求解数独，输入到输出平均需要0.5s。 整体思路大概就是识别出图中数字生成list，然后求解。 输入输出demo 数独采用的是微软自带的Microsoft sudoku软件随便截取的图像，如下图所示： 经过程序求解后，得到的结果如下图所示： 程序具体流程 程序整体流程如下图所示： 读入图像后，根据求解轮廓信息找到数字所在位置，以及不包含数字的空白位置，提取数字信息通过KNN识别，识别出数字；无数字信息的在list中置0；生成未求解数独list，之后求解数独，将信息在原图中显示出来。 # -*-cod

KNN分类算法和人脸分类训练样本

针对KNN算法在处理大数据时的两个不足对其进行了研究，提出多层差分KNN算法。算法对已知样本根据类域进行分层，既避免了传统改进算法中剪辑样本带来的判别误差，又大大降低了无效的计算量；同时在最后一层采用差分的方法进行决策，而不是直接根据最近邻进行分类，大大提高了分类的准确性。实验结果表明，该算法在对样本容量大、涉及邻域多的大数据样本进行分类时能取得较好的分类效果。

ML模型 使用葡萄酒质量数据集的KNN分类模型

简便的KNN分类算法，可以处理有监督数据的分类问题，运用的是邻域粗糙集的基本概念，有兴趣的可以在本程序上再加以改进，比如加权，多粒度等等的方法。