Java实现的KNN算法示例

Java实现的KNN算法示例

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 < Lmax，删除优先级队列中最大距离的元组，将当前训练元组存入优先级队                  列。

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 bxWEweMTJKK_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

if(temp<((b_x -list.get(i).getX())*(b_x -list.get(i).getX())+

(b_y -list.get(i).getY())*(b_y -list.get(i).getY()))){

temp=(b_x -list.get(i).getX())*(b_x -list.get(i).getX())+

http:// (b_y -list.get(i).getY())*(b_y -list.get(i).getY());

}

}

return Math.sqrt(temp);

}

/**

* 获取长度，找出最小的一个进行归类

* @param list1

* @param list2

* @param list3

* @param bb

*/

public void getContent(ArrayList 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< PointBean> listA;

static ArrayList< PointBean> listB;

static ArrayList< PointBean> listC;

static ArrayList< PointBean> 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

km.getContent(listA, listB, listC, listD.get(i));

}

}

/**

* 写入数据

*/

private static void setDate() {

//A的坐标点

int A_x[]={1,1,2,2,1};

int A_y[]={0,1,1,0,2};

//B的坐标点

int B_x[]={2,3,3,3,4};

int B_y[]={4,4,3,2,3};

//C的坐标点

int C_x[]={4,5,5,6,6};

int C_y[]={1,2,0,2,1};

// 测试数据

//B的坐标点

int D_x[]={3,3,3,0,5};

int D_y[]={0,1,5,0,1};

//

PointBean bA;

for(int i=0;i<5;i++){

bA=new PointBean(A_x[i], A_y[i]);

listA.add(bA);

}

//

PointBean bB ;

for(int i=0;i<5;i++){

bB=new PointBean(B_x[i], B_y[i]);

listB.add(bB);

}

//

PointBean bC ;

for(int i=0;i<5;i++){

bC=new PointBean(C_x[i], C_y[i]);

listC.add(bC);

}

//

PointBean bD ;

for(int i=0;i<5;i++){

bD=new PointBean(D_x[i], D_y[i]);

listD.add(bD);

}

}

}

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。

if(temp<((b_x -list.get(i).getX())*(b_x -list.get(i).getX())+

(b_y -list.get(i).getY())*(b_y -list.get(i).getY()))){

temp=(b_x -list.get(i).getX())*(b_x -list.get(i).getX())+

http:// (b_y -list.get(i).getY())*(b_y -list.get(i).getY());

}

}

return Math.sqrt(temp);

}

/**

* 获取长度，找出最小的一个进行归类

* @param list1

* @param list2

* @param list3

* @param bb

*/

public void getContent(ArrayList 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< PointBean> listA;

static ArrayList< PointBean> listB;

static ArrayList< PointBean> listC;

static ArrayList< PointBean> 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

km.getContent(listA, listB, listC, listD.get(i));

}

}

/**

* 写入数据

*/

private static void setDate() {

//A的坐标点

int A_x[]={1,1,2,2,1};

int A_y[]={0,1,1,0,2};

//B的坐标点

int B_x[]={2,3,3,3,4};

int B_y[]={4,4,3,2,3};

//C的坐标点

int C_x[]={4,5,5,6,6};

int C_y[]={1,2,0,2,1};

// 测试数据

//B的坐标点

int D_x[]={3,3,3,0,5};

int D_y[]={0,1,5,0,1};

//

PointBean bA;

for(int i=0;i<5;i++){

bA=new PointBean(A_x[i], A_y[i]);

listA.add(bA);

}

//

PointBean bB ;

for(int i=0;i<5;i++){

bB=new PointBean(B_x[i], B_y[i]);

listB.add(bB);

}

//

PointBean bC ;

for(int i=0;i<5;i++){

bC=new PointBean(C_x[i], C_y[i]);

listC.add(bC);

}

//

PointBean bD ;

for(int i=0;i<5;i++){

bD=new PointBean(D_x[i], D_y[i]);

listD.add(bD);

}

}

}

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。

km.getContent(listA, listB, listC, listD.get(i));

}

}

/**

* 写入数据

*/

private static void setDate() {

//A的坐标点

int A_x[]={1,1,2,2,1};

int A_y[]={0,1,1,0,2};

//B的坐标点

int B_x[]={2,3,3,3,4};

int B_y[]={4,4,3,2,3};

//C的坐标点

int C_x[]={4,5,5,6,6};

int C_y[]={1,2,0,2,1};

// 测试数据

//B的坐标点

int D_x[]={3,3,3,0,5};

int D_y[]={0,1,5,0,1};

//

PointBean bA;

for(int i=0;i<5;i++){

bA=new PointBean(A_x[i], A_y[i]);

listA.add(bA);

}

//

PointBean bB ;

for(int i=0;i<5;i++){

bB=new PointBean(B_x[i], B_y[i]);

listB.add(bB);

}

//

PointBean bC ;

for(int i=0;i<5;i++){

bC=new PointBean(C_x[i], C_y[i]);

listC.add(bC);

}

//

PointBean bD ;

for(int i=0;i<5;i++){

bD=new PointBean(D_x[i], D_y[i]);

listD.add(bD);

}

}

}

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。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。