介绍了中心向量算法和KNN算法两种分类方法。针对KNN分类方法在计算文本相似度时存在的不足，提出了改进方案。新方案引入了中心向量分类法的思想。通过实验,对改进的KNN算法、中心向量算法和传统的KNN算法应用于文本分类效果进行了比较。实验结果表明，改进的KNN算法较中心向量法和传统的KNN算法在处理中文文本分类问题上有较好的分类效果，验证了对KNN算法改进的有效性和可行性。

knn/kmean的python实现及可视化

基于RSS指纹室内定位的matalb程序，KNN算法的具体实现，毕设的一小部分，自己写的，尝试了各种优化，定位效果能忍。

本exe文件适用于win8/10 64位系统 文章请参考本人博客 CSDN MrLevo520或者简书MrLevo520，内有详细分析 1.测试数据集为datacombinlabel.txt 2.测试时注意选择路径，可参考实验截图 最后祝大家学习愉快，转载分享请注明出处，谢谢 by 哈士奇说喵 2016.9.8

C++实现K最邻近算法, 使用KD树来实现, 在面对大量数据时可以提高搜索效率. 代码干净, 整洁, 有注释, 可直接使用.

KNN分类（matlab实现）

动态时间扭曲的K最近邻：KNN和DTW分类算法的Python实现

1.使用csv_create.py将data文件中的excel文件转为csv文件并保存在data文件夹中； 2.使用csv_split.py将data中的csv文件分为训练集、测试集保存在hf文件夹中； 3.Housing_test1.py为任务1房地产均价预测，采用线性回归模型，结果保存在results/Housing_LR文件夹中； 4.Housing_test2.py为任务1房地产均价预测，采用K邻近回归模型，结果保存在results/Housing_KNN文件夹中； 5.Housing_test3.py为任务2小区的价值评价，采用线性回归模型，采用填零法或是均值法预处理数据缺失，结果保存在results/Housing_LRplus或者results/Housing_LRplus2文件夹中； 6.Housing_test4.py为任务2小区的价值评价，采用K邻近回归模型，采用填零法或是均值法预处理数据缺失，结果保存在results/Housing_KNNplus或者results/Housing_KNNplus2文件夹中；

https://blog.csdn.net/zugexiaodui/article/details/84379028 自己做的一点样本，有knn数字分类代码，与上边链接中我的博客相对应的。

这个貌似跟我之前上传过的资源《自己做的手写数字样本及knn分类代码》有些重复，两个资源是一样的，都可以下载。 我上传了很多关于knn的东西，这个是使用的自己的手写图片，根据knn的算法原理实现的，没有使用skleran库，自己的手写图片也在里边了。