Weighted distance in sklearn KNN

Weighted distance in sklearn KNN
我正在制定一种遗传算法来查找权重，以便将其应用于sklearn KNN中的欧几里得距离，试图提高分类率并删除数据集中的某些特征(我通过将权重更改为0来实现)。
我正在使用Python和sklearn的KNN。
这就是我的使用方式：

def w_dist(x, y, **kwargs):return sum(kwargs["weights"]*((x-y)*(x-y)))KNN = KNeighborsClassifier(n_neighbors=1,metric=w_dist,metric_params={"weights": w})
KNN.fit(X_train,Y_train)
neighbors=KNN.kneighbors(n_neighbors=1,return_distance=False)
Y_n=Y_train[neighbors]
tot=0
for (a,b)in zip(Y_train,Y_vecinos):if a==b:tot+=1reduc_rate=X_train.shape[1]-np.count_nonzero(w)/tama?o
class_rate=tot/X_train.shape[0]

Weighted distance in sklearn KNN相关推荐

深入浅出KNN算法(二) sklearn KNN实践
上次介绍了KNN的基本原理,以及KNN的几个窍门,这次就来用sklearn实践一下KNN算法. 一.Skelarn KNN参数概述要使用sklearnKNN算法进行分类,我们需要先了解sklearn ...
[机器学习-sklearn] KNN(k近邻法)学习与总结
KNN 学习与总结引言一,KNN 原理二,KNN算法介绍三, KNN 算法三要素 1 距离度量 2. K 值的选择四, KNN特点 KNN算法的优势和劣势 KNN算法优点 KNN算法缺点五 ...
KNN算法（二） sklearn KNN实践
上次介绍了KNN的基本原理,以及KNN的几个窍门,这次就来用sklearn实践一下KNN算法. 一.Skelarn KNN参数概述要使用sklearnKNN算法进行分类,我们需要先了解sklearn ...
scipy.spatial.distance 与 sklearn cosine_similarity
1.scipy.spatial.distance from scipy.spatial.distance import pdist,squareform a=[1,1,1] b=[1,1,2] c=[ ...
sklearn knn 算法
最近邻分类算法优点: 简单,易理解,易实现;适合对稀有事件进行分类. 适合多分类问题(multi-modal,对象有多个类别标签),k-nn比svm更合适缺点: 1.当样本不平衡时,如一个类的样本 ...
scipy.spatial.distance 与 sklearn cosine_similarity；计算cosine相似度距离，scipy pdist 结果转化成array方阵
1.scipy.spatial.distance from scipy.spatial.distance import pdist,squareform a=[1,1,1] b=[1,1,2] c=[ ...
sklearn之KNN算法
KNN算法核心思想未标记的数据样本,通过距离其最近的k个数据样本进行投票算法原理便利所有的样本点,计算每个样本点与待分类数据的距离,找出k个距离最近的点,统计每个类别的个数,投票数据最多的类别 ...
python中knn_如何在python中从头开始构建knn
python中knn k最近邻居 (k-Nearest Neighbors) k-Nearest Neighbors (KNN) is a supervised machine learning al ...
机器学习入门-Knn算法
knn算法不需要进行训练, 耗时,适用于多标签分类情况 1. 将输入的单个测试数据与每一个训练数据依据特征做一个欧式距离. 2. 将求得的欧式距离进行降序排序,取前n_个 3. 计算这前n_个的y值的 ...

Weighted distance in sklearn KNN

Weighted distance in sklearn KNN相关推荐

最新文章

热门文章