“_____鸢尾花识别_____“-------文章中有源码

实验目的
使用Python实现K近邻
实验原理
（1）计算测试与各个训练数据之间的距离；
（2）按照距离的递增关系进行排序；
（3）选取距离最小的K个点；
（4）确定前K个点所在类别出现的概率；
（5）返回前K个点中出现概率最高的类别作为测试数据的预测分类。

（1） 鸢尾花识别。

import numpy as npimport pandas as pddef getdata(path):    data=pd.read_csv(path,encoding='gbk')    return np.array(data)def getlength(data,target,k):    temp=[]    for i in data: temp.append(np.sum((i[:-1]-target)**2))    #print(temp)    #float ('inf')    indexList=[]    for i in range(k): indexList.append(np.argmin(temp)) #temp[np.array(temp)]=('inf') temp[np.argmin(temp)] = np.max(temp)    return indexListdef KNNs(data,indexList):    dic={0:0,1:0,2:0}    for i in indexList: dic[data[i][-1]]+=1    Maxnum=0    Maxindex=0    for i in dic: if dic[i]>Maxnum:     Maxnum=dic[i]     Maxindex=i    #print(dic)    return Maxindexif __name__=='__main__':    dic = {0: 'setosa', 1: 'versicolor', 2: 'virginnica'}    path='iris_training.csv'    data= getdata(path)    #print(data)    target=np.array([5,3,1,0.5])    try: while True:     k = (input("请输入k（退出请输入quit):"))     if k=='quit':  print("退出成功")  break     k=int(k)     #getlength(data,target,k)     indexList=getlength(data,target,k)     n=KNNs(data,indexList)     print(dic[n])    except Exception as e: print("输入出错，请重新输入")