最鄰近值演算法實現

工程目錄結構

程式碼

訓練模型

package com.knn.model

/**
  * 訓練資料模型
  *
  * @param aA 資料a
  * @param bA 資料b
  * @param typeA 型別
  */
class KNNModel(aA:Double,bA:Double,typeA:String) {
  var a:Double = aA
  var b:Double = bA
  var resType: String = typeA
  //距離
  var distince:Double = 0
}

核心演算法程式碼

package com.knn.core

import com.knn.model.KNNModel

import scala.collection.immutable.ListMap

/**
  * 最鄰近演算法核心演算法
  */
class KNN_Core {
//  val knnModel = new KNNModel(null,null,null,null,null);

  /**
    * 對訓練資料進行升序排序（根據距離來進行排序）
    * @param knnMOdels
    * @return
    */
  private def sortByDistince(knnMOdels:List[KNNModel]):List[KNNModel] ={
    //進行升序排序
 

    return knnMOdels.sortBy(knn => knn.distince)
  }

  /**
    * 使用歐幾里得度量計算出距離
    * @param knnMOdels
    * @param k
    */
  private def coluaclateDistince(knnMOdels:List[KNNModel],k: KNNModel):Unit =
    knnMOdels.foreach(n=>{
      n.distince = Math.sqrt((k.a-n.a)*(k.a-n.a)+(k.b-n.b)*(k.b-n.b))
    })

  /**
    * 獲取距離目標點附近（指定集合大小的範圍內存在最多的資料）
    * @param
 
 ks
    * @return
    */
  private def findMostValue(ks:List[KNNModel]):String ={
    //找出訓練集中在規定數量中存在最多的類
    var resType = ""
    var typeCountMap:Map[String,Int] = Map()
    //進行計數
    ks.toStream.foreach(k=>{
      if (typeCountMap.contains(k.resType)){
        typeCountMap+= (k.resType -> (typeCountMap(k.resType)+1))
      }else{
        typeCountMap+=(k.resType -> 1)
      }
    })
    //獲取最多數量型別(根據鍵值進行排序)
    resType = ListMap(typeCountMap.toSeq.sortWith(_._2 >_._2):_*).take(1).keySet.head
    return resType
  }

  def reckonRelize(kns:List[KNNModel],kn:KNNModel,k: Int):String={
    //計算距離
    coluaclateDistince(kns,kn)
    //根據距離排序
    var knsSort = sortByDistince(kns)
    //獲取前k個數據
    var knss = knsSort.take(k)
    //獲取k個數據中數量最多的型別
    return findMostValue(knss)
  }
}

執行程式碼

package com.knn

import com.knn.core.KNN_Core
import com.knn.model.KNNModel

/**
  * 分割類
  */
object app {
  def main(args: Array[String]): Unit = {
    //資料準備
    var knnModels:List[KNNModel] = List()
    knnModels = knnModels.::(new KNNModel(1.1, 1.1, "A"))
    knnModels = knnModels.::(new KNNModel(1.2, 1.2, "A"))
    knnModels = knnModels.::(new KNNModel(1.1, 1.0, "A"))
    knnModels = knnModels.::(new KNNModel(3.0, 3.1, "B"))
    knnModels = knnModels.::(new KNNModel(3.1, 3.0, "B"))
    knnModels = knnModels.::(new KNNModel(5.4, 6.0, "C"))
    knnModels = knnModels.::(new KNNModel(5.5, 6.3, "C"))
    knnModels = knnModels.::(new KNNModel(6.0, 12.0, "C"))
    knnModels = knnModels.::(new KNNModel(10.0, 12.0, "M"))
    //待預測資料
    var knnModle = new KNNModel(4.0, 3.2, "A")

    var kNN_Core = new KNN_Core
    //演算法實現
    var resType = kNN_Core.reckonRelize(knnModels,knnModle,5)
    println("預測結果",resType)
  }
}

參考資料