C++实现——最小距离分类器(k近邻算法)
最新推荐文章于 2024-11-21 22:36:15 发布

Coco~567 于 2018-12-26 17:06:24 发布
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
采用的样本是非常经典的鸢尾花数据。
鸢尾花分为三类:
1、setosa
2、versicolor
3、virginica
已知数据集的特征分为:
1、萼片长度
2、萼片宽度
3、花瓣长度
4、花瓣宽度
在讲算法之前,我们首先应该给距离下定义:
当然代码采用的是“欧式距离”
算法原理:
1、读取训练集和测试集数据(包括特征、类型)
2、计算两者距离:
相对应特征的距离。
3、选取排名前k个最小距离进行投票,投票多的就是判定的鸢尾花类型
4、利用混淆矩阵、评测该方法的合理性(理论上95%正确率是很好的模型了)。
代码:
float testdata[75][4];
int testclass[75];
float traindata[75][4];
int trainclass[75];
float distances[75];
int results[75];
void sort(float *dist, int *class_)
{
int N = 75;
float temp = 0;
for (int pass = 0; pass<N; pass++)
{
for (int i = pass + 1; i<N; i++)
{
if (dist[pass] >= dist[i])
{
temp = dist[pass];
dist[pass] = dist[i];
dist[i] = temp;
int k = class_[pass];
class_[pass] = class_[i];
class_[i] = k;
}
}
}
}
int classify(float *dist, int *res, int k)
{
int i, c[4];
c[1] = c[2] = c[3] = 0;
for (i = 0; i< k; i+
相关知识
K近邻算法和鸢尾花问题
基于机器学习的鸢尾花数据集的三分类算法的实现 C++
K近邻学习
k近邻法
KNN分类算法介绍,用KNN分类鸢尾花数据集(iris)
Knn算法实现鸢尾花分类
KNN算法实现鸢尾花数据集分类
原生python实现knn分类算法(鸢尾花数据集)
Python实现KNN算法(鸢尾花数据)
聚类算法和分类算法总结
原文链接: C++实现——最小距离分类器(k近邻算法) https://www.huajiangbk.com/newsview1260241.html
| 上一篇: 勇敢者游戏—非安全距离拍摄打铁花 | 下一篇: 6号街:邻距离|链接+情感=社区... |





