KNN即k近邻法，k-nearest neighbor，是1967年由Cover T和Hart P提出的一种基本分类与回归方法，也是机器学习的基础算法之一。
本文参考教程：《机器学习实战》
KNN算法原理
在一个样本数据集合，也称作为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系。输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。
因此也可以说，KNN算法实际上没有进行训练，即它的训练复杂度为0；KNN近邻算法是用相似性来判断类别的，你和谁更像，那就认为你是哪种人。
KNN适用于数值型和标称型的数据，其优点是精度高、对异常值不敏感、无数据输入假定，但是缺点也很明显，我们每次使用都需要遍历整个训练集，计算复杂度和空间复杂度都很高。
KNN代码模板
1.导入依赖
import numpy as np from collections import Counter
2.生成样本
def createDateSet():
group = np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels = ['A','A','B','B']
return group,labels
3.KNN算法
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = np.tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis = 1)
distances = sqDistances**0.5
sortedDistIndicies = np.argsort(distances)
voteIlabel = np.array(labels)[sortedDistIndicies[:k]]
return Counter(voteIlabel).most_common(1)[0][0]
4.主函数
def main():
k = 3
test=[0,0]
group,labels = createDateSet()
result = classify0(test, group ,labels,k)
print(result)
if __name__ == '__main__':
main()
KNN步步推进
仿jupyter，第一个代码框为In[ ]，第二个代码框为Out[ ]
KNN的实现很简单，但利用numpy实现会很很神奇
1.获取样本数量
group = np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] dataSetSize = group.shape[0] dataSetSize
4
2.获取inX与样本的坐标差值
test=[0,0] diffMat = np.tile(test, (dataSetSize,1)) - group diffMat
array([[-1. , -1.1],
[-1. , -1. ],
[ 0. , 0. ],
[ 0. , -0.1]])
可以发现，利用np.tile(）重复test，一次性求出test与每个样本的坐标差值
3.获取距离
sqDiffMat = diffMat**2 sqDistances = sqDiffMat.sum(axis = 1) sqDistances
array([2.21, 2. , 0. , 0.01])
注意sum求和时轴的方向
4.排序取索引
sortedDistIndicies = np.argsort(distances) sortedDistIndicies
array([2, 3, 1, 0], dtype=int64)
5.获取前K个相邻点的标签
k=3 voteIlabel = np.array(labels)[sortedDistIndicies[:k]] voteIlabel
array(['B', 'B', 'A'], dtype='<U1')
label原为列表类型，先转化成ndarray
6.统计，返回数量最多的标签
from collections import Counter cnt=Counter(voteIlabel) cnt.most_common(1)
[('B', 2)]
KNN实战讲解
约会大作战：
海伦小姐提供了一份她以前相亲经历的所有案例，总共有1000场，现在希望通过机器学习分析一下这些数据，让她以后不用见面就能先大致知道对方属于自己心目中的哪一类人。
海伦小姐总共考察了三个指标，分别是：
每年获得的飞行常客里程数
玩视频游戏所耗时间百分比
每周消费的冰淇淋公升数
那幺怎样通过KNN来分类呢？
获取数据
def getDateSet():
df = pd.read_excel('date.xlsx')
labels = np.array(df['label'])
df.drop('label', axis=1, inplace=True)
data = np.array(df)
return data, labels
标准化
因为有的特征数值绝对值特别大，因此要对数据进行归一化
处理
def normalization(data):
min_val = data.min(0)
max_val = data.max(0)
ranges = max_val - min_val # 极差
norm_data = (data - min_val) / ranges
return norm_data
也可以利用sklearn
进行归一化：
data = MinMaxScaler().fit_transform(data)
KNN算法
与前文一致。
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = np.tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis = 1)
distances = sqDistances**0.5
sortedDistIndicies = np.argsort(distances)
voteIlabel = np.array(labels)[sortedDistIndicies[:k]]
return Counter(voteIlabel).most_common(1)[0][0]
主函数
def main():
data,labels = getDateSet()
norm_data = normalization(data)
test=np.array([26052, 1.441871, 0.805124])
norm_test=normalization(test)
result = classify0(norm_test, norm_data ,labels,k=5)
print(result)
结果为1，说明是一个极具魅力的男性。
KNN调包能手
在手码一遍KNN以后，其实对其原理已经有了充分的认识，那幺以后就可以调包了【狗头】
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
def getDateSet():
df = pd.read_excel('date.xlsx')
labels = np.array(df['label'])
df.drop('label', axis=1, inplace=True)
data = np.array(df)
return data, labels
data,labels = getDateSet()
# 按7:3 划分训练集与测试集
x_train, x_test , y_train, y_test = train_test_split(data, labels, test_size = 0.3)
# k=3
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(x_train, y_train)
error_index = np.nonzero(knn.predict(x_test) - y_test)[0]
print(f'预测准确率为: {100*(1 - len(error_index) / len(data))}%')
简单的训练之后，即可达到94%的准确率。
Be First to Comment