tensorflow实现KNN识别MNIST
KNN算法算是最简单的机器学习算法之一了，这个算法最大的特点是没有训练过程，是一种懒惰学习，这种结构也可以在tensorflow实现。
KNN的最核心就是距离度量方式，官方例程给出的是L1范数的例子，我这里改成了L2范数，也就是我们常说的欧几里得距离度量，另外，虽然是叫KNN，意思是选取k个最接近的元素来投票产生分类，但是这里只是用了最近的那个数据的标签作为预测值了。
__author__='freedom'
importtensorflowastf
importnumpyasnp
defloadMNIST():
fromtensorflow.examples.tutorials.mnistimportinput_data
mnist=input_data.read_data_sets('MNIST_data',one_hot=True)
returnmnist
defKNN(mnist):
train_x,train_y=mnist.train.next_batch(5000)
test_x,test_y=mnist.train.next_batch(200)
xtr=tf.placeholder(tf.float32,[None,784])
xte=tf.placeholder(tf.float32,[784])
distance=tf.sqrt(tf.reduce_sum(tf.pow(tf.add(xtr,tf.neg(xte)),2),reduction_indices=1))
pred=tf.argmin(distance,0)
init=tf.initialize_all_variables()
sess=tf.Session()
sess.run(init)
right=0
foriinrange(200):
ansIndex=sess.run(pred,{xtr:train_x,xte:test_x[i,:]})
print'predictionis',np.argmax(train_y[ansIndex])
print'truevalueis',np.argmax(test_y[i])
ifnp.argmax(test_y[i])==np.argmax(train_y[ansIndex]):
right+=1.0
accracy=right/200.0
printaccracy
if__name__=="__main__":
mnist=loadMNIST()
KNN(mnist)
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。