python內實現k的簡單介紹

本文目錄一覽：

• 1、如何在python中實現k-mean++算法
• 2、Python一種實現類似於重載的方法，*k是什麼意思？
• 3、kmeans算法用Python怎麼實現
• 4、如何用python實現k近鄰算法

如何在python中實現k-mean++算法

這東西太簡單了埃不過你要有些算法基矗如果實在是沒有，就拿現成的手寫識別算法。界面這東西，基本上剛剛入門的GUI設計都會有畫圖這樣的例子，拿過來略略改一下就要可以用。沒有調查過。如果我去設計會考慮1.筆畫，2.拐點，3.曲度4.分段長度

Python一種實現類似於重載的方法，*k是什麼意思？

*k表示可變參數，通過可變參數實現類似於重載的方法。

通常我們要定義一個函數的時候，必須要預先定義這個函數需要多少個參數（或者說可以接受多少個參數）。一般情況下這是沒問題的，但是也有在定義函數的時候，不能知道參數個數的情況（想一想C語言里的printf函數），在Python里，帶*的參數就是用來接受可變數量參數的。看一個例子

def funcD(a, b, *c):

print a

print b

print “length of c is: %d ” % len(c)

print c

調用funcD(1, 2, 3, 4, 5, 6)結果是

1

2

length of c is: 4

(3, 4, 5, 6)

我們看到，前面兩個參數被a、b接受了，剩下的4個參數，全部被c接受了，c在這裡是一個tuple。我們在調用funcD的時候，至少要傳遞2個參數，2個以上的參數，都放到c里了，如果只有兩個參數，那麼c就是一個empty tuple。

kmeans算法用Python怎麼實現

from numpy import *

import numpy as np

def distEclud(vecA, vecB):

return sqrt(sum(power(vecA – vecB, 2)))

def randCent(dataSet, k):

n = shape(dataSet)[1]

centroids = mat(zeros((k,n)))

for j in range(n):

minJ = min(dataSet[:,j])

rangeJ = float(max(array(dataSet)[:,j]) – minJ)

centroids[:,j] = minJ + rangeJ * random.rand(k,1)

return centroids

def kMeans(dataSet, k, distMeas=distEclud, createCent=randCent):

m = shape(dataSet)[0]

如何用python實現k近鄰算法

1. 數據分類：離散型標籤 2. 數據回歸：連續型標籤 近鄰算法的準則是：尋找接近新數據點的訓練樣本的數目，根據訓練樣本的信息來預測新數據點的某些信息。