上传者: 42134285
|
上传时间: 2021-12-14 15:38:30
|
文件大小: 1.02MB
|
文件类型: -
使用KNearestNeighbor进行实验
前言
在模式识别和机器学习中,k最近邻算法(或简称k-NN)是用于分类和回归的非参数方法。 在这两种情况下,输入都包含的特征空间中的k个最接近的训练示例
实验
我开始这项工作,以比较在有无数据归一化的情况下,由KNN算法进行分类的准确性。 对于算法的准确性,我们是指正确分类的实例的百分比。 使用库sklearn用Python编写了代码,并且从流行的存储库UCI中下载了四个使用的数据集。
虹膜数据集[链接]( )
脑电图眼图状态
种子数据集
魔术伽玛望远镜
为了在终端上运行代码类型python knn_main.py :计算K等于1,3,5,10的KNN。
结果
虹膜数据集:150个样本
1NN的精度:0.9533-带有归一化步骤的1NN的精度:0.9467
3NN的精度:0.9600-3NN归一化步骤的精度:0.9400
5NN的精度