我设置了大约200点（x，y）的图像。 200个数据属于11个类（我认为它们将成为类标签）。我的问题是如何将x，y值表示为一个数据？
我的第一个想法是我应该用标签单独表示它们，然后当我得到分类点时，我将分别对x和y进行分类。我身上的东西告诉我这是不正确的。
请建议我如何将x，y值表示为一个数据元素。
答案 0 :(得分：0)
我无法想象你遇到了什么问题。在kNN算法中，我们可以使用具有多个维度的变量，您只需要在python标准库中使用list或在Numpy库中使用array来组织数据，例如：group = numpy.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
或group = [[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]代表（1.0,1.1）（1.0,1.0）（0,0）（0,0.1）
但是，我建议使用numpy，因为它有很多功能，它们是用C语言实现的，这确保了程序的效率。
如果你使用numpy，你最好以矩阵方式进行所有操作，例如，你可以使用point=tile([0,0],(3,1))和distance(group-point)（距离是我写的函数）来计算没有迭代的距离
答案 1 :(得分：0)
关键不是表示，而是距离计算。您的案例中的要点基本上是一个元素，但是具有两个维度 (x, y)。 kNN算法本身可以处理n维情况：它找到k个最近邻居。因此，您可以使用欧式距离d((x1, y1), (x2, y2))=((x1-x2)^2 + (y1-y2)^2)^0.5（其中(x1, y1)代表要计算的第一个点）作为案例中的点距。