Python机器学习k-近邻算法(K Nearest Neighbor)实例详解


            本文实例讲述了Python机器学习k-近邻算法。分享给大家供大家参考，具体如下：

工作原理

存在一份训练样本集，并且每个样本都有属于自己的标签，即我们知道每个样本集中所属于的类别。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后提取样本集中与之最相近的k个样本。观察并统计这k个样本的标签，选择数量最大的标签作为这个新数据的标签。

用以下这幅图可以很好的解释kNN算法：



不同形状的点，为不同标签的点。其中绿色点为未知标签的数据点。现在要对绿色点进行预测。由图不难得出：



  如果k=3，那么离绿色点最近的有2个红色三角形和1个蓝色的正方形，这3个点投票，于是绿色的这个待分类点属于红色的三角形。

  如果k=5，那么离绿色点最近的有2个红色三角形和3个蓝色的正方形，这5个点投票，于是绿色的这个待分类点属于蓝色的正方形。



kNN算法实施

伪代码

对未知属性的数据集中的每个点执行以下操作

1. 计算已知类型类别数据集中的点与当前点之间的距离

2. 按照距离递增次序排序

3. 选取与当前点距离最小的k个点

4. 确定前k个点所在类别的出现频率

5. 返回前k个点出现频率最高的类别作为当前点的预测分类

欧式距离(计算两点之间的距离公式)

计算点x与点y之间欧式距离



python代码实现





# -*- coding:utf-8 -*-

#! python2

import numpy as np

import operator

# 训练集

data_set = np.array([[1., 1.1],

           [1.0, 1.0],

           [0., 0.],

           [0, 0.1]])

labels = ['A', 'A', 'B', 'B']

def classify_knn(in_vector, training_data, training_label, k):

  """

  :param in_vector: 待分类向量

  :param training_data: 训练集向量

  :param training_label: 训练集标签

  :param k: 选择最近邻居的数目

  :return: 分类器对 in_vector 分类的类别

  """

  data_size = training_data.shape[0] # .shape[0] 返回二维数组的行数

  diff_mat = np.tile(in_vector, (data_size, 1)) - data_set # np.tile(array, (3, 2)) 对 array 进行 3×2 扩展为二维数组

  sq_diff_mat = diff_mat ** 2

  sq_distances = sq_diff_mat.sum(axis=1) # .sum(axis=1) 矩阵以列求和

  # distances = sq_distances ** 0.5 # 主要是通过比较求最近点,所以没有必要求平方根

  distances_sorted_index = sq_distances.argsort() # .argsort() 对array进行排序 返回排序后对应的索引

  class_count_dict = {} # 用于统计类别的个数

  for i in range(k):

    label = training_label[distances_sorted_index[i]]

    try:

      class_count_dict[label] += 1

    except KeyError:

      class_count_dict[label] = 1

  class_count_dict = sorted(class_count_dict.iteritems(), key=operator.itemgetter(1), reverse=True) # 根据字典的value值对字典进行逆序排序

  return class_count_dict[0][0]

if __name__ == '__main__':

  vector = [0, 0] # 待分类数据集

  print classify_knn(in_vector=vector, training_data=data_set, training_label=labels, k=3)







运行结果：B

算法评价



  优点：精度高、对异常值不敏感、无数据输入假定

  缺点：计算复杂度高、空间复杂度高

  使用数据范围：数据型和标称型

  适用：kNN方法通常用于一个更复杂分类算法的一部分。例如，我们可以用它的估计值做为一个对象的特征。有时候，一个简单的kNN算法在良好选择的特征上会有很出色的表现。



更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。