Java实现的KNN算法示例

这篇文章主要介绍了Java实现的KNN算法,结合实例形式分析了KNN算法的原理及Java定义与使用KNN算法流程、训练数据相关操作技巧,需要的朋友可以参考下

本文实例讲述了Java实现的KNN算法。分享给大家供大家参考,具体如下:

提起KNN算法大家应该都不会陌生,对于数据挖掘来说算是十大经典算法之一。

算法的思想是:对于训练数据集中已经归类的分组,来对于未知的数据进行分组归类。其中是根据该未知点与其训练数据中的点计算距离,求出距离最短的点,并将其归入该点的那一类。

看看算法的工程吧:

1. 准备数据,对数据进行预处理
2. 选用合适的数据结构存储训练数据和测试元组
3. 设定参数,如k
4.维护一个大小为k的的按距离由大到小的优先级队列,用于存储最近邻训练元组。随机从训练元组中选取k个元组作为初始的最近邻元组,分别计算测试元组到这k个元组的距离,将训练元组标号和距离存入优先级队列
5. 遍历训练元组集,计算当前训练元组与测试元组的距离,将所得距离L 与优先级队列中的最大距离Lmax
6. 进行比较。若L>=Lmax,则舍弃该元组,遍历下一个元组。若L 7. 遍历完毕,计算优先级队列中k 个元组的多数类,并将其作为测试元组的类别。
8. 测试元组集测试完毕后计算误差率,继续设定不同的k值重新进行训练,最后取误差率最小的k 值。

根据算法的过程我们进行java语言实现:

 package KNN; /** * 点的坐标 x 、y * @author Administrator * */ public class PointBean { int x; int y; public int getX() { return x; } public void setX(int x) { this.x = x; } public int getY() { return y; } public void setY(int y) { this.y = y; } public PointBean(int x, int y) { super(); this.x = x; this.y = y; } public PointBean() { super(); } @Override public String toString() { return "PointBean [x=" + x + ", y=" + y + "]"; } } 

KNN算法

 package KNN; import java.util.ArrayList; /** * KNN实现的方法 * @author Administrator * */ public class KnnMain { public double getPointLength(ArrayList list,PointBean bb){ int b_x=bb.getX(); int b_y=bb.getY(); double temp=(b_x -list.get(0).getX())*(b_x -list.get(0).getX())+ (b_y -list.get(0).getY())*(b_y -list.get(0).getY()); // 找出最小的距离 for(int i=1;i list1,ArrayList list2, ArrayList list3,PointBean bb){ double A=getPointLength(list1,bb); double B=getPointLength(list2,bb); double C=getPointLength(list3,bb); //做出比较 if(A>B){ if(B>C){ System.out.println("这个点:"+bb.getX()+" , "+bb.getY()+" " +"属于C"); }else { System.out.println("这个点:"+bb.getX()+" , "+bb.getY()+" " +"属于B"); } }else { if(A>C){ System.out.println("这个点:"+bb.getX()+" , "+bb.getY()+" " +"属于C"); }else { System.out.println("这个点:"+bb.getX()+" , "+bb.getY()+" " +"属于A"); } } } } 

主函数

 package KNN; import java.util.ArrayList; /* * 主函数 KNN */ public class TestJava { static ArrayList listA; static ArrayList listB; static ArrayList listC; static ArrayList listD; public static void main(String[] args) { //创佳Arraylist listA=new ArrayList(); listB=new ArrayList(); listC=new ArrayList(); listD=new ArrayList(); //写入数据 setDate(); getTestResult(); } /** * 得到结果 */ private static void getTestResult() { //创建对象 KnnMain km=new KnnMain(); for(int i=0;i

测试的结果:

这个点:3 , 1 属于A
这个点:3 , 5 属于B
这个点:0 , 0 属于A
这个点:5 , 1 属于C

到此简单的KNN算法已经实现对于未知点的划分,有助于大家对于KNN算法的理解。对于改进KNN的一些算法JAVA实现会在后面进行贴出。共同学习共同进步!

更多关于java算法相关内容感兴趣的读者可查看本站专题:《Java数据结构与算法教程》、《Java操作DOM节点技巧总结》、《Java文件与目录操作技巧汇总》和《Java缓存操作技巧汇总

希望本文所述对大家java程序设计有所帮助。

以上就是Java实现的KNN算法示例的详细内容,更多请关注0133技术站其它相关文章!

赞(0) 打赏
未经允许不得转载:0133技术站首页 » Java