c++实现knn投票

你可以使用 C 语言实现 KNN（K-Nearest Neighbors）的投票算法。下面是一个简单的示例代码，用于对给定测试样本进行分类：

#include <stdio.h>
#include <math.h>

// 计算欧氏距离
double euclideanDistance(double *point1, double *point2, int dimensions) {
    double distance = 0.0;
    for (int i = 0; i < dimensions; ++i) {
        distance += pow((point1[i] - point2[i]), 2);
    }
    return sqrt(distance);
}

// KNN投票算法
int knnVote(double *trainingSet[], int *labels, int trainingSize, int dimensions, double *testPoint, int k) {
    // 计算测试样本与训练样本的距离
    double distances[trainingSize];
    for (int i = 0; i < trainingSize; ++i) {
        distances[i] = euclideanDistance(trainingSet[i], testPoint, dimensions);
    }

    // 根据距离排序，找出 K 个最近的邻居
    int sortedIndices[trainingSize];
    for (int i = 0; i < trainingSize; ++i) {
        sortedIndices[i] = i;
    }
    for (int i = 0; i < trainingSize - 1; ++i) {
        for (int j = 0; j < trainingSize - i - 1; ++j) {
            if (distances[j] > distances[j + 1]) {
                // 通过冒泡排序交换距离和索引
                double tempDist = distances[j];
                distances[j] = distances[j + 1];
                distances[j + 1] = tempDist;
                
                int tempIndex = sortedIndices[j];
                sortedIndices[j] = sortedIndices[j + 1];
                sortedIndices[j + 1] = tempIndex;
            }
        }
    }

    // 统计 K 个最近邻居的类别
    int votes[10] = {0}; // 假设类别标签为 0-9
    for (int i = 0; i < k; ++i) {
        int label = labels[sortedIndices[i]];
        votes[label]++;
    }

    // 返回票数最多的类别
    int maxVotes = 0;
    int maxLabel = -1;
    for (int i = 0; i < 10; ++i) {
        if (votes[i] > maxVotes) {
            maxVotes = votes[i];
            maxLabel = i;
        }
    }
    
    return maxLabel;
}

int main() {
    // 训练样本和标签
    double trainingSet[5][2] = {{1.0, 2.0}, {2.0, 1.0}, {5.0, 8.0}, {6.0, 9.0}, {8.0, 7.0}};
    int labels[5] = {0, 0, 1, 1, 1};

    // 测试样本
    double testPoint[2] = {4.0, 6.0};

    // KNN 参数
    int k = 3;
    int trainingSize = 5;
    int dimensions = 2;

    // 进行分类
    int predictedLabel = knnVote(trainingSet, labels, trainingSize, dimensions, testPoint, k);

    // 打印结果
    printf("Predicted Label: %d\n", predictedLabel);

    return 0;
}

在上面的示例代码中，训练样本的特征值存储在二维数组 `trainingSet` 中，对应的标签存储在整型数组 `labels` 中。测试样本的特征值存储在一维数组 `testPoint` 中。你可以根据实际情况修改这些数据。K 值由变量 `k` 控制。

代码中使用欧氏距离计算样本之间的距离，然后根据距离排序，选取 K 个最近邻居，并统计各个类别的票数，最后返回票数最多的类别作为预测结果。

注意：这只是一个简单的示例，实际使用时你可能需要根据具体问题对代码进行适当的修改和优化。