Etape 2 – Calcul des distances entre un iris d’espèce inconnue et les iris du ‘dataset’
Ajouter au module « knn_module.py » deux fonctions :
- la fonction distEuclid() qui a déjà été codée plus haut ;
- et la fonction calculDistVoisins() qui prend en argument :
- le dataset construit avec la fonction constructDataset()
- une liste de deux valeurs : longueur et largeur des pétales de l’iris d’espèce inconnue.
La fonction calculDistVoisins() renvoie une liste de listes appelée ‘dist_voisins’.
Chaque élément de la liste principale est une liste qui correspond à celle renvoyée par la fonction distEuclid().
Compléter le code qui suit en remplaçant les ??? par ce qui convient [ Téléchargement].
"""Module knn_module."""
from math import sqrt
def distEuclid(Ic, Im):
r = []
d = sqrt(pow(Ic[0] - Im[0], 2) + pow(Ic[1] - Im[1], 2))
r.append(d)
r.append(Ic[2])
return r
def calculDistVoisins(dataset, Im):
dist_voisins = ???
for Ic in dataset :
dist_euclid = distEuclid(???, ???)
dist_voisins.???(dist_euclid)
return dist_voisins
Ajouter au module « knn_main_program.py » les instructions qui :
- affecte à une variable les données d’un iris inconnu
- appelle la fonction ‘calculDistVoisins()’
"""kNN : programme principal."""
from ???
# Etape 1 : construction d'un dataset à partir des données enregistrées dans
# un fichier csv
csvname ???
dataset ???
# Etape 2 : calcul des distances entre un iris "mystère" et les iris du
# dataset
iris_myst ???
dist_voisins ???