11.项目十一：人工智能入门.pptx

敲开人工智能之门-电影分类

了解机器学习是什么掌握一个机器学习算法

电影分类电影名称搞笑镜头亲密镜头动作镜头电影类型电影11022喜剧片电影21112喜剧片电影3933喜剧片电影42101爱情片电影51112爱情片电影6393爱情片电影70210动作片电影82111动作片电影9339动作片电影10191？？

机器学习让机器 去学习让机器 去执行

人的学习机器学习人的学习机器学习

电影分类

K近邻算法K近邻算法：“近朱者赤近墨者黑”K近邻算法原理：将电影10的特征和所有电影的特征进行比较，选出前K部和电影10最相似的电影，哪种类型多，最后就预测它属于哪种类型。

如何计算电影的相似度欧氏距离（欧几里得度量，euclideanmetric）

计算电影1和电影10的距离（相似度）importnumpyasnpmv1=np.array([10,2,2])#1022分别表示电影1的三个特征mv10=np.array([1,9,1])diff=mv1-mv10 #差，对应xi-yidouble_diff=diff**2 #差的平方，对应(xi-yi)的平方sum_of_double_diff=double_diff.sum()#差的平方和，对应求和dist=np.sqrt(sum_of_double_diff) #计算平方根print(dist)#输出电影1和电影10的欧式距离

计算电影1和电影10的距离（相似度）电影1和电影10的距离：11.445523142259598

电影名称搞笑镜头亲密镜头动作镜头电影类型距离电影11022喜剧片11影21112喜剧片12影3933喜剧片10影42101爱情片1.414213562电影51112爱情片2.236067977电影6393爱情片2.828427125电影70210动作片11影82111动作片12影9339动作片10影10191？？电影10和所有电影的距离

电影名称搞笑镜头亲密镜头动作镜头电影类型距离电影42101爱情片1.414213562电影51112爱情片2.236067977电影6393爱情片2.828427125电影3933喜剧片10影9339动作片10影11022喜剧片11影70210动作片11影21112喜剧片12影82111动作片12影10191？？对距离排序

取出距离最近的K个数据

取出距离最近的K个数据

计算概率爱情片的概率：喜剧片的概率：

K近邻算法实现过程计算测试对象到训练集中每个对象的距离；按照距离进行升序排序；选择距离最近的k个对象；统计这k个对象的类别频率；k个对象里频率最高的类别，即为测试对象的类别。

计算距离importnumpyasnp#定义电影1-10的特征向量movie1=np.array([10,2,2])movie2=np.array([11,1,2])movie3=np.array([9,3,3])movie4=np.array([2,10,1])movie5=np.array([1,11,2])movie6=np.array([3,9,3])movie7=np.array([0,2,10])movie8=np.array([2,1,11])movie9=np.array([3,3,9])movie10=np.array([1,9,1])movies=[movie1,movie2,movie3,movie4,movie5,movie6,movie7,movie8,movie9]

计算距离#9个数据集N=9distances=np.zeros((N))defgetDistance(vector1,vector2):diff=vector1-vector2 #差double_diff=diff**2 #差平方sum_of_double_diff=double_diff.sum()#差平方和dist=np.sqrt(sum_of_double_diff)returndist#计算距离foriinrange(N):distances[i]=getDistance(movies[i],input_movie)

排序取前K个数据k=4#每个电影的类型标签typ