俗话说：物以类聚，人以群分。看一个人什么样，看他身边的朋友什么样就知道了(这里并没歧视谁，只是大概率是这样)
对于判断下图绿色的球是哪种数据类型的方法就是根据寻找他最近的k个数据，根据k的值来推测新数据的类型。
比如下图离绿球最近的红三角有两个，蓝方块有一个，因此推测绿色的球为红色的三角，这就是knn算法的思想
刚才说knn算法的思想就是根据当前数据最近的k个数据的值来判断当前数据的类型，这就要先计算出当前数据到其它数据的距离，可以使用欧几里得距离(所有的距离求出来之后各自平方并相加，然后对相加的结果进行开放)或马氏距离
将上一步计算的每个顶点到该点的距离进行排序，一般将序列变为升序
对已经排序好的距离序列，取前k个即可
比方取的是前7个元素(即k=7)，前两个值特别小，也即和需要判断其类型的元素距离特别近，则这两个元素的权值就可以设置为很大；而剩余5个元素则离相对比较远一点，则这五个元素对应的权值也就比较小，这样算出来的加权平均算出来的元素的类型与真实数据类型的概率才是最大的，如果直接取算术平均则相差可能会比较大
注意：此处并不能计算算术平均值
如果选的k太大，会导致分类模糊，比如：假设有1000个已知的数据点，然后k取800，无论你怎么分基本都是你这1000个数据组成的数据集的状态，因为800个已经可以涵盖绝大多数的数据的类型了，所以会导致分类模糊
受个例影响，波动较大
比方说先取一个5把算法跑一边，发现是概率是50，在取个6发现概率是60，在取个7发现概率是55，则k的合适的值就是6，可以一个一个去尝试
提取码：zxmt
数据部分内容如下
目的:给一个癌症检测数据，然后根据该数据判断该患者是良性的还是恶性的
import csv
#读取
import random
with open('Prostate_Cancer.csv','r') as file:
reader = csv.DictReader(file)
datas=[row for row in reader]
#分组
random.shuffle(datas)#将所有数据打乱，相当于完牌之前，先洗牌
n=len(datas)//3#将所有数据集分成两份，一份当做测试集，一份当做训练集 两个斜杠表示整除
#0到n-1为测试集
test_set=datas[0:n]
#n到后面所有数据为训练集
train_set=datas[n:]
#knn
#算距离
def distance(d1,d2):
res=0#欧几里得距离需要用一个变量来存距离的平方和
for key in("radius","texture", "perimeter","area", "smoothness", "compactness", "symmetry", "fractal_dimension"):
res+=(float(d1[key])-float(d2[key]))**2#对同一维度的值进行相减之后进行平方
return res**0.5#开方
k=5#测试k的值即可
def knn(data):
#1.算距离
res=[
{"result": train['diagnosis_result'],"distance": distance(data,train)}
for train in train_set
]
#2.排序-升序
res=sorted(res, key=lambda item:item['distance'])#将res里的结果按照距离的大小进行升序排列
#3.取前k个元素
res2=res[0:k]
#4.加权平均
result={'B':0,'M':0}
#先算总距离
sum=0
for r in res2:
sum+=r['distance']
for r in res2:
result[r['result']]+=1-r['distance']/sum#距离越近distance就越小除以总距离之后就越小，所以用1减去之后就越大，保证越近的距离权值越大的要求
# print("经过knn算法得到的概率为：")#经过knn算法判断得到的结果
# print(result)
# print("原数据的结果为："+data['diagnosis_result'])#原数据的结果
if (result['B'] > result['M']):
return 'B'
else:
return 'M'
#knn(test_set[0])#在测试集里面找一个数据表示当前需要判断类型的数据
#测试阶段
correct=0#表示原结果与knn算法执行结果相同的次数
for test in test_set:
result=test['diagnosis_result']#获取原数据的结果
result2=knn(test)#knnu算法之后的结果
if(result == result2):
correct+=1
print("使用knn算法得到的准确率为:{:.2f}%".format(100*correct/len(test_set)))
运行结果图
目录一.加解密算法数字签名对称加密DES(DataEncryptionStandard)3DES(TripleDES)AES(AdvancedEncryptionStandard)RSA加密法DSA(DigitalSignatureAlgorithm)ECC(EllipticCurvesCryptography)非对称加密签名与加密过程非对称加密的应用对称加密与非对称加密的结合二.数字证书图解一.加解密算法加密简单而言就是通过一种算法将明文信息转换成密文信息，信息的的接收方能够通过密钥对密文信息进行解密获得明文信息的过程。根据加解密的密钥是否相同，算法可以分为对称加密、非对称加密、对称加密和非
1．问题描述使用Python的turtle（海龟绘图）模块提供的函数绘制直线。2．问题分析一幅复杂的图形通常都可以由点、直线、三角形、矩形、平行四边形、圆、椭圆和圆弧等基本图形组成。其中的三角形、矩形、平行四边形又可以由直线组成，而直线又是由两个点确定的。我们使用Python的turtle模块所提供的函数来绘制直线。在使用之前我们先介绍一下turtle模块的相关知识点。turtle模块提供面向对象和面向过程两种形式的海龟绘图基本组件。面向对象的接口类如下：1）TurtleScreen类：定义图形窗口作为绘图海龟的运动场。它的构造器需要一个tkinter.Canvas或ScrolledCanva
一、什么是MQTT协议MessageQueuingTelemetryTransport：消息队列遥测传输协议。是一种基于客户端-服务端的发布/订阅模式。与HTTP一样，基于TCP/IP协议之上的通讯协议，提供有序、无损、双向连接，由IBM（蓝色巨人）发布。原理：（1）MQTT协议身份和消息格式有三种身份：发布者（Publish）、代理（Broker）（服务器）、订阅者（Subscribe）。其中，消息的发布者和订阅者都是客户端，消息代理是服务器，消息发布者可以同时是订阅者。MQTT传输的消息分为：主题（Topic）和负载（payload）两部分Topic，可以理解为消息的类型，订阅者订阅（Su
TCL脚本语言简介•TCL（ToolCommandLanguage）是一种解释执行的脚本语言（ScriptingLanguage）,它提供了通用的编程能力：支持变量、过程和控制结构；同时TCL还拥有一个功能强大的固有的核心命令集。TCL经常被用于快速原型开发，脚本编程，GUI和测试等方面。•实际上包含了两个部分：一个语言和一个库。首先，Tcl是一种简单的脚本语言，主要使用于发布命令给一些互交程序如文本编辑器、调试器和shell。由于TCL的解释器是用C\C++语言的过程库实现的，因此在某种意义上我们又可以把TCL看作C库，这个库中有丰富的用于扩展TCL命令的C\C++过程和函数，所以，Tcl是
我一直在尝试用Ruby实现Luhn算法。我一直在执行以下步骤:该公式根据其包含的校验位验证数字，该校验位通常附加到部分帐号以生成完整帐号。此帐号必须通过以下测试:从最右边的校验位开始向左移动，每第二个数字的值加倍。将乘积的数字(例如，10=1+0=1、14=1+4=5)与原始数字的未加倍数字相加。如果总模10等于0(如果总和以零结尾)，则根据Luhn公式该数字有效；否则无效。http://en.wikipedia.org/wiki/Luhn_algorithm这是我想出的:defvalidCreditCard(cardNumber)sum=0nums=cardNumber.to_s.s
下面是我写的一个计算斐波那契数列中的值的方法:deffib(n)ifn==0return0endifn==1return1endifn>=2returnfib(n-1)+(fib(n-2))endend它工作到n=14，但在那之后我收到一条消息说程序响应时间太长(我正在使用repl.it)。有人知道为什么会这样吗？ 最佳答案 Naivefibonacci进行了大量的重复计算-在fib(14)fib(4)中计算了很多次。您可以将内存添加到您的算法中以使其更快:deffib(n,memo={})ifn==0||n==1returnnen
为了防止在迁移到生产站点期间出现数据库事务错误，我们遵循了https://github.com/LendingHome/zero_downtime_migrations中列出的建议。(具体由https://robots.thoughtbot.com/how-to-create-postgres-indexes-concurrently-in概述)，但在特别大的表上创建索引期间，即使是索引创建的“并发”方法也会锁定表并导致该表上的任何ActiveRecord创建或更新导致各自的事务失败有PG::InFailedSqlTransaction异常。下面是我们运行Rails4.2(使用Acti
我正在开发一个类似微论坛的项目，其中一个特殊用户发布一条快速(接近推文大小)的主题消息，订阅者可以用他们自己的类似大小的消息来响应。直截了当，没有任何形式的“挖掘”或投票，只是每个主题消息的响应按时间顺序排列。但预计会有很高的流量。我们想根据它们引起的响应嗡嗡声来标记主题消息，使用0到10的等级。在谷歌上搜索了一段时间的趋势算法和开源社区应用示例，到目前为止已经收集到两个有趣的引用资料，但我还没有完全理解它们:Understandingalgorithmsformeasuringtrends，关于使用基线趋势算法比较维基百科页面浏览量的讨论，在SO上。TheBritneySpearsP
我收到错误:unsupportedcipheralgorithm(AES-256-GCM)(RuntimeError)但我似乎具备所有要求:ruby版本:$ruby--versionruby2.1.2p95OpenSSL会列出gcm:$opensslenc-help2>&1|grepgcm-aes-128-ecb-aes-128-gcm-aes-128-ofb-aes-192-ecb-aes-192-gcm-aes-192-ofb-aes-256-ecb-aes-256-gcm-aes-256-ofbRuby解释器:$irb2.1.2:001>require'openssl';puts
文章目录一.Dijkstra算法想解决的问题二.Dijkstra算法理论三.java代码实现一.Dijkstra算法想解决的问题解决的问题:求解单源最短路径,即各个节点到达源点的最短路径或权值考察其他所有节点到源点的最短路径和长度局限性:无法解决权值为负数的情况二.Dijkstra算法理论参数:S记录当前已经处理过的源点到最短节点U记录还未处理的节点dist[]记录各个节点到起始节点的最短权值path[]记录各个节点的上一级节点(用来联系该节点到起始节点的路径)Dijkstra算法步骤:(1）初始化:顶点集S:节点A到自已的最短路径长度为0。只包含源点，即S={A}顶点集U:包含除A外的其他顶