【文件属性】:
文件名称:kNN.jl:Julia中的k最近邻算法
文件大小:7KB
文件格式:ZIP
更新时间:2021-05-17 04:41:14
Julia
kNN
基本的k最近邻分类和回归。
有关可在k-NN分类中使用的距离度量的列表,请参见
有关可用于内核回归的平滑内核的列表,请参见
示例1:使用欧几里得距离进行分类
using kNN
using DataArrays
using DataFrames
using RDatasets
using Distances
iris = dataset("datasets", "iris")
X = array(iris[:, 1:4])'
y = array(iris[:, 5])
model = knn(X, y, metric = Euclidean())
predict_k1 = predict(model, X, 1)
predict_k2 = predict(model, X, 2)
predict_k3 = predict(model, X, 3)
predict_k4 =
【文件预览】:
kNN.jl-master
----.travis.yml(611B)
----test()
--------data()
--------majority_vote.jl(349B)
--------classifier.jl(613B)
--------runtests.jl(229B)
--------regress.jl(492B)
----src()
--------kNN.jl(261B)
--------majority_vote.jl(273B)
--------classifier.jl(1KB)
--------regress.jl(2KB)
----LICENSE.md(1KB)
----REQUIRE(54B)
----README.md(2KB)