.根据给出的A、B、C三类点的样本坐标值,采用KNN方法对 点(3,0)(3,1)(3,5)(0,0)(5,1)进行分类。
时间: 2024-06-13 19:08:20 浏览: 10
根据引用[1]中的KNN算法步骤,我们可以按照以下步骤对点(3,0)(3,1)(3,5)(0,0)(5,1)进行分类:
1.计算已知类别数据集中的样本与当前样本的距离。这里我们采用欧氏距离公式:$d=\sqrt{(x_2-x_1)^2+(y_2-y_1)^2}$
点(3,0)到A、B、C三类点的距离分别为:
- 到A类点的距离:$\sqrt{(3-2)^2+(0-1)^2}=\sqrt{2}$
- 到B类点的距离:$\sqrt{(3-4)^2+(0-1)^2}=\sqrt{2}$
- 到C类点的距离:$\sqrt{(3-2)^2+(0-3)^2}=3$
点(3,1)到A、B、C三类点的距离分别为:
- 到A类点的距离:$\sqrt{(3-2)^2+(1-1)^2}=1$
- 到B类点的距离:$\sqrt{(3-4)^2+(1-1)^2}=1$
- 到C类点的距离:$\sqrt{(3-2)^2+(1-3)^2}=2$
点(3,5)到A、B、C三类点的距离分别为:
- 到A类点的距离:$\sqrt{(3-2)^2+(5-1)^2}=4$
- 到B类点的距离:$\sqrt{(3-4)^2+(5-1)^2}=4\sqrt{2}$
- 到C类点的距离:$\sqrt{(3-2)^2+(5-3)^2}=2$
点(0,0)到A、B、C三类点的距离分别为:
- 到A类点的距离:$\sqrt{(0-2)^2+(0-1)^2}=\sqrt{5}$
- 到B类点的距离:$\sqrt{(0-4)^2+(0-1)^2}=\sqrt{17}$
- 到C类点的距离:$\sqrt{(0-2)^2+(0-3)^2}=\sqrt{13}$
点(5,1)到A、B、C三类点的距离分别为:
- 到A类点的距离:$\sqrt{(5-2)^2+(1-1)^2}=\sqrt{9}=3$
- 到B类点的距离:$\sqrt{(5-4)^2+(1-1)^2}=1$
- 到C类点的距离:$\sqrt{(5-2)^2+(1-3)^2}=\sqrt{10}$
2.按顺序递增排序。
将每个点到三类点的距离按照从小到大的顺序排列,得到以下结果:
点(3,0):ABCA
点(3,1):ABCA
点(3,5):ACBA
点(0,0):ACB
点(5,1):BAC
3.选取距离最小的k个点。这里我们取k=3。
点(3,0):ABC
点(3,1):ABC
点(3,5):ACB
点(0,0):ACB
点(5,1):BAC
4.统计这k个样本类别出现的频率最高的类别。
点(3,0):A出现1次,B出现1次,C出现1次,因此无法确定分类。
点(3,1):A出现1次,B出现1次,C出现1次,因此无法确定分类。
点(3,5):A出现1次,B出现1次,C出现1次,因此无法确定分类。
点(0,0):A出现1次,B出现0次,C出现2次,因此分类为C类。
点(5,1):A出现1次,B出现2次,C出现0次,因此分类为B类。
因此,点(3,0)、(3,1)、(3,5)无法确定分类,点(0,0)分类为C类,点(5,1)分类为B类。
--相关问题--:
1. KNN算法中如何选择k值?
2. KNN算法的优缺点是什么
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)