以后写代码一定要谨慎,提高代码的正确率。

/***************************************
* 1.初始化距离为最大值
* 2.计算未知样本和每个训练样本的距离为dist
* 3.得到目前k个最邻近样本中的最大距离maxdist
* 4.如果dist小于maxdist,则将改训练样本作为k-最近邻样本
* 5.重复2、3、4,直至未知样本和训练样本的距离都算完
* 6.统计k个最近邻样本中每个类别出现的次数
* 7.选择出现频率最大的类别作为未知样本的类别
* *****************************************/ #include <stdio.h>
#include <math.h>
#include <stdlib.h>
#include <string.h>
#define MAX 0x7fffffff
#define K 3 double cal_dist(int n,double *x,double *y)
{
double sum = 0.0;
int i =;
for(i=;i<n;i++)
{
sum += pow((x[i]-y[i]),2.0);
}
return sqrt(sum);
} void bubbleSort(double **array,int count,int flag)
{
int i = count,j;
double temp;
while(i>)
{
for(j=;j<i-;j++)
{
if(flag == )
{
if(array[][j] > array[][j+])
{
temp = array[][j];
array[][j] = array[][j+];
array[][j+] = temp;
temp = array[][j];
array[][j] = array[][j+];
array[][j+] = temp;
} }
else if(flag == )
{
if(array[][j] > array[][j+])
{
temp = array[][j];
array[][j] = array[][j+];
array[][j+] = temp;
temp = array[][j];
array[][j] = array[][j+];
array[][j+] = temp;
}
}
}
i--;
}
return;
}
int main()
{
int n,m;
FILE *fp;
fp = fopen("/data.txt","r");
fscanf(fp,"N=%d,D=%d",&n,&m);
printf("N=%d,D=%d\n",n,m);
double **array;
array = (double **)malloc(n*sizeof(double));
array[] = (double *)malloc(n*m*sizeof(double));
int h,j = ,i =;
for(i=;i<n;i++)
{
array[i] = array[i-] + m;
}
for(i=;i<n;i++)
{
for(j=;j<m;j++)
{
fscanf(fp,"%lf",&array[i][j]);
}
}
double **temp;
temp = (double **)malloc(*sizeof(double));
temp[] = (double *)malloc(*K*sizeof(double));
for(i=;i<;i++)
{
temp[i] = temp[i-] + K;
}
for(i=;i<;i++)
{
for(j=;j<K;j++)
{
temp[i][j] = MAX*0.1;
}
}
double *testdata;
double max_dist = 0.0;
double distance = 0.0;
double tmp = 0.0;
testdata=(double *)malloc((m-)*sizeof(double));
printf("input test data containing %d numbers:\n",m-);
for(i=;i<(m-);i++)
{
fscanf(fp,"%lf",&testdata[i]);
}
close(fp);
while()
{
for(i=;i<K;i++)
{
if(K > n) break;
temp[][i] = cal_dist(n,testdata,array[i]);
temp[][i] = array[i][m-];
}
for(i=;i<K;i++)
{
printf("%4lf,%4lf\n",temp[][i],temp[][i]);
}
printf("\n");
bubbleSort(temp,K,);
max_dist = temp[][K-];
for(i=K;i<n;i++)
{
distance = cal_dist(n,testdata,array[i]);
if(max_dist > distance)
{
for(j=;j<K;j++)
{
if(distance < temp[][j])
{
for(h=K-;h>j;h--)
{
temp[][h] = temp[][h-];
temp[][h] = temp[][h-];
}
}
temp[][j] = distance;
temp[][j] = array[i][m-];
}
}
max_dist = temp[][K-];
}
bubbleSort(temp,K,);
break;
} int value_label = ;
int count = ;
int flag = ;
for(i=;i<K-;i++)
{
if(temp[][i] != temp[][i+])
{
if(flag > count)
{
flag = count;
value_label = temp[][i];
count =;
}
}
else
{
count ++;
}
}
if(count > flag)
{
value_label = temp[][K-];
flag = count;
}
printf("Predict message is %d\n",value_label);
return ;
}

C语言实现knn的更多相关文章

  1. 机器学习与R语言:kNN

    #---------------------------------------- # 功能描述:演示kNN建模过程 # 数据集:威斯康星乳腺癌诊断 # #---------------------- ...

  2. 数据分析与挖掘 - R语言:KNN算法

    一个简单的例子!环境:CentOS6.5Hadoop集群.Hive.R.RHive,具体安装及调试方法见博客内文档. KNN算法步骤:需对所有样本点(已知分类+未知分类)进行归一化处理.然后,对未知分 ...

  3. 大数据时代的精准数据挖掘——使用R语言

    老师简介: Gino老师,即将步入不惑之年,早年获得名校数学与应用数学专业学士和统计学专业硕士,有海外学习和工作的经历,近二十年来一直进行着数据分析的理论和实践,数学.统计和计算机功底强悍. 曾在某一 ...

  4. 机器学习 第五篇:分类(kNN)

    K最近邻(kNN,k-NearestNeighbor)算法是一种监督式的分类方法,但是,它并不存在单独的训练过程,在分类方法中属于惰性学习法,也就是说,当给定一个训练数据集时,惰性学习法简单地存储或稍 ...

  5. kd树和knn算法的c语言实现

    基于kd树的knn的实现原理可以参考文末的链接,都是一些好文章. 这里参考了别人的代码.用c语言写的包括kd树的构建与查找k近邻的程序. code: #include<stdio.h> # ...

  6. 【机器学*与R语言】2-懒惰学*K*邻(kNN)

    目录 1.理解使用KNN进行分类 KNN特点 KNN步骤 1)计算距离 2)选择合适的K 3)数据准备 2.用KNN诊断乳腺癌 1)收集数据 2)探索和准备数据 3)训练模型 4)评估模型的性能 5) ...

  7. k近邻算法(knn)的c语言实现

    最近在看knn算法,顺便敲敲代码. knn属于数据挖掘的分类算法.基本思想是在距离空间里,如果一个样本的最接近的k个邻居里,绝大多数属于某个类别,则该样本也属于这个类别.俗话叫,"随大流&q ...

  8. 用R语言对一个信用卡数据实现logit,GBM,knn,xgboost

    Prepare the data 数据来自UCIhttp://archive.ics.uci.edu/ml/machine-learning-databases/credit-screening,一个 ...

  9. knn算法的c语言实现

    最近研究KNN,找到了一些优秀的源码,贴出来,做个笔记吧. #include<stdio.h> #include<stdlib.h> #include<math.h> ...

随机推荐

  1. mysql互为主从复制配置笔记--未读,稍后学习

    MySQL-master1:192.168.72.128 MySQL-master2:192.168.72.129 OS版本:CentOS 5.4MySQL版本:5.5.9(主从复制的master和s ...

  2. Hbase(一)基础知识

    一.Hbase数据库介绍 1.简介 HBase 是 BigTable 的开源 java 版本.是建立在 HDFS 之上,提供高可靠性.高性能.列存储. 可伸缩.实时读写 NoSQL 的数据库系统. N ...

  3. SpringMVC接收复杂集合对象(参数)代码示例

    原文: https://www.jb51.net/article/128233.htm SpringMVC接收复杂集合对象(参数)代码示例 更新时间:2017年11月15日 09:18:15   作者 ...

  4. Servlet3.0 新特性

    Servlet3.0 的注解 Servlet 允许开发人员采用注解的方式来配置 Servlet.Filter.Listener. Servlet3.0 规范在 javax.servlet.annota ...

  5. 简单的并发服务器(多个线程各自accept)

    基于之前讲述的简单循环服务器,做一个多个线程各自accept的服务器demo 由于多个线程各自accept,容易造成数据错误,需要在accept前后枷锁 先看下客户端 客户端创建socket,初始化服 ...

  6. Tensorboard教程:监控指标可视化

    Tensorflow监控指标可视化 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献 强烈推荐Tensorflow实战Google深度学习框架 实验平台: Tensorflow1.4. ...

  7. 解决问题Can’t connect to local MySQL server through socket

    不幸遇到MySQL出现ERROR 2002 (HY000): Can’t connect to local mysql server through socket ‘/tmp/mysql.sock’错 ...

  8. User-Agent大全

    一.基础知识篇: Http Header之User-Agent User Agent中文名为用户代理,是Http协议中的一部分,属于头域的组成部分,User Agent也简称UA.它是一个特殊字符串头 ...

  9. JVM调优总结(4):分代垃圾回收

    为什么要分代 分代的垃圾回收策略,是基于这样一个事实:不同的对象的生命周期是不一样的.因此,不同生命周期的对象可以采取不同的收集方式,以便提高回收效率. 在Java程序运行的过程中,会产生大量的对象, ...

  10. 【Codeforces811E】Vladik and Entertaining Flags [线段树][并查集]

    Vladik and Entertaining Flags Time Limit: 20 Sec  Memory Limit: 512 MB Description n * m的矩形,每个格子上有一个 ...