大工20春《数据挖掘》课程大作业满分答案.doc

大工20春《数据挖掘》课程大作业满分答案 网络教育学院 《数据挖掘》课 程 大 作 业 题 目： 姓 名： 学习中心： 第一大题：讲述自己在完成大作业过程中遇到的困难，解决问题的思路，以及相关感想，或者对这个项目的认识，或者对Python与数据挖掘的认识等等，300-500字。 《数据挖掘》这门课程是一门实用性非常强的课程，数据挖掘是大数据这门前沿技术的基础，拥有广阔的前景，在信息化时代具有非常重要的意义。数据挖掘的研究领域非常广泛，主要包括数据库系统、基于知识的系统、人工智能、机器学习、知识获取、统计学、空间数据库和数据可视化等领域。学习过程中，我也遇到了不少困难，例如基础差，对于Python基础不牢，尤其是在进行这次课程作业时，显得力不从心；个别算法也学习的不够透彻。在接下来的学习中，我仍然要加强理论知识的学习，并且在学习的同时联系实际，在日常工作中注意运用《数据挖掘》所学到的知识，不断加深巩固，不断发现问题，解决问题。另外，对于自己掌握不牢的知识要勤复习，多练习，使自己早日成为一名合格的计算机毕业生。 第二大题：完成下面一项大作业题目。 2020春《数据挖掘》课程大作业 注意：从以下5个题目中任选其一作答。 题目一：Knn算法原理以及python实现 要 求：文档用使用word撰写即可。 主要内容必须包括： （1）算法介绍。 （2）算法流程。 （3）python实现算法以及预测。 （4）整个word文件名为 [姓名 奥鹏卡号 学习中心]（如戴卫东101410013979浙江台州奥鹏学习中心[1]VIP ） 作业提交： 大作业上交时文件名写法为：[姓名 奥鹏卡号 学习中心]（如：戴卫东101410013979浙江台州奥鹏学习中心[1]VIP） 以附件形式上交离线作业（附件的大小限制在10M以内），选择已完成的作业（注意命名），点提交即可。如下图所示。 。 注意事项： 独立完成作业，不准抄袭其他人或者请人代做，如有雷同作业，成绩以零分计！ （一）Knn算法介绍 KNN算法，又叫K最邻近分类算法，是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。? KNN算法概括来说，就是已知一个样本空间里的部分样本分成几个类，然后，给定一个待分类的数据，通过计算找出与自己最接近的K个样本，由这K个样本投票决定待分类数据归为哪一类。?kNN算法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。 （二）Knn算法流程 如果一个样本在特征空间中的 k 个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。通常 K 的取值比较小，不会超过20。 1、计算测试数据与各个训练数据之间的距离 2、按照升序（从小到大）对距离（欧氏距离）进行排序 3、选取距离最小的前k个点 4、确定前k个点所在类别出现的频率 5、返回前k个点中出现频率最高的类别作为测试数据的分类 （三）python实现Knn算法以及预测 1、代码实现 # -*- coding: utf-8 -*- 使用python程序模拟KNN算法 Created on Sat Jun 22 18:38:22 2019 @author: zhenimport numpy as npimport collections as cs data = np.array([ [203,1],[126,1],[89,1],[70,1],[196,2],[211,2],[221,2],[311,3],[271,3] ]) feature = data[:,0] # 特征 print(feature) label = data[:,-1] # 结果分类 print(label) predictPoint = 200