kNN算法自实现
打开Jupyter Notebook,创建Python3文件。
准备数据
首先我们准备一组数据:
import numpy as npimport matplotlib.pyplot as plt# raw_data_x是特征,raw_data_y是标签,0为良性,1为恶性raw_data_X = [[3.393533211, 2.331273381],
[3.110073483, 1.781539638],
[1.343853454, 3.368312451],
[3.582294121, 4.679917921],
[2.280362211, 2.866990212],
[7.423436752, 4.685324231],
[5.745231231, 3.532131321],
[9.172112222, 2.511113104],
[7.927841231, 3.421455345],
[7.939831414, 0.791631213]
]
raw_data_y = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]# 设置训练组X_train = np.array(raw_data_X)
y_train = np.array(raw_data_y)# 将数据可视化plt.scatter(X_train[y_train0,0],X_train[y_train0,1], color=‘g’, label = ‘Tumor Size’)
plt.scatter(X_train[y_train1,0],X_train[y_train1,1], color=‘r’, label = ‘Time’)
plt.xlabel(‘Tumor Size’)
plt.ylabel(‘Time’)
plt.axis([0,10,0,5])
plt.show()
数据可视化后生成的图片如下图所示。其中横轴是肿块大小,纵轴是发现时间。每个病人的肿块大小和发病时间构成了二维平面特征中的一个点。对于每个点,我们通过label明确是恶性肿瘤(绿色)、良性肿瘤(红色)。
那么现在给出一个肿瘤患者的数据(样本点)x:[8.90933607318, 3.365731514]
,是良性肿瘤还是恶性肿瘤
求距离
我们要做的是:求点x到数据集中每个点的距离,首先计算距离,使用欧氏距离
下面写代码:
from math import sqrt
distances = [] # 用来记录x到样本数据集中每个点的距离for x_train in X_train:
d = sqrt(np.sum((x_train - x) ** 2))
distances.append(d)# 使用列表生成器,一行就能搞定,对于X_train中的每一个元素x_train都进行前面的运算,把结果生成一个列表distances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in X_train]
distances
输出:[5.611968000921151, 6.011747706769277, 7.565483059418645, 5.486753308891268, 6.647709180746875, 1.9872648870854204, 3.168477291709152, 0.8941051007010301, 0.9830754144862234, 2.7506238644678445]
在求出距离列表之后,我们要找到最小的距离,需要进行一次排序操作。其实不是简单的排序,因为我们把只将距离排大小是没有意义的,我们要知道距离最小的k个点是在样本集中的位置。
这里我们使用函数:np.argsort(array)
对一个数组进行排序,返回的是相应的排序后结果的索引
nearest = np.argsort(distances)
nearest
输出:array([7, 8, 5, 9, 6, 3, 0, 1, 4, 2])
结果的含义是:距离最小的点在distances数组中的索引是7,第二小的点索引是8… 近到远是哪些点
选k值
然后我们选择k值,这里暂定为6,那就找出最近的6个点(top 6),并记录他们的标签值(y)
k = 6topK_y = [y_train[i] for i in nearest[:k]]
topK_y
输出:[1, 1, 1, 1, 1, 0]
决策规则
下面进入投票环节。找到与测试样本点最近的6个训练样本点的标签y是什么。可以查不同类别的点有多少个。
将数组中的元素和元素出现的频次进行统计
from collections import Counter
votes = Counter(topK_y)
votes
输出:一个字典,原数组中值为0的个数为1,值为1的个数有为5Counter({0:1, 1:5})
Counter.most_common(n) 找出票数最多的n个元素,返回的是一个列表,列表中的每个元素是一个元组,元组中第一个元素是对应的元素是谁,第二个元素是频次votes.most_common(1)
输出:[(1,5)]
predict_y = votes.most_common(1)[0][0]
predict_y
输出:1
得到预测的y值是1
自实现完整工程代码
我们已经在jupyter notebook中写好了kNN算法,下面我们在外部进行封装。
相关代码可以在 https://github.com/japsonzbz/ML_Algorithms 中看到
import numpy as npimport math as sqrtfrom collections import Counterclass kNNClassifier:
def init(self, k):
“”“初始化分类器”“”
assert k >= 1, “k must be valid”
self.k = k
self._X_train = None
self._y_train = None
def fit(self, X_train, y_train):
“”“根据训练数据集X_train和y_train训练kNN分类器”“”
assert X_train.shape[0] == y_train.shape[0], \ “the size of X_train must be equal to the size of y_train”
assert self.k <= X_train.shape[0], \ “the size of X_train must be at least k”
self._X_train = X_train
self._y_train = y_train return self def predict(self,X_predict):
“”“给定待预测数据集X_predict,返回表示X_predict结果的向量”“”
assert self._X_train is not None and self._y_train is not None, \ “must fit before predict!”
assert X_predict.shape[1] == self._X_train.shape[1], \ “the feature number of X_predict must be equal to X_train”
y_predict = [self._predict(x) for x in X_predict] return np.array(y_predict) def _predict(self, x):
distances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in self._X_train]
nearest = np.argsort(distances)
topK_y = [self._y_train[i] for i in nearest]
votes = Counter(topK_y) return votes.most_common(1)[0][0] def repr(self):
return “kNN(k=%d)” % self.k
当我们写完定义好自己的kNN代码之后,可以在jupyter notebook中使用魔法命令进行调用:
%run myAlgorithm/kNN.py
knn_clf = kNNClassifier(k=6)
knn_clf.fit(X_train, y_train)
X_predict = x.reshape(1,-1)
y_predict = knn_clf.predict(X_predict)
y_predict
输出:array([1])
现在我们就完成了一个sklearn风格的kNN算法,但是实际上,sklearn封装的算法比我们实现的要复杂得多。
sklearn中的kNN
代码
对于机器学习来说,其流程是:训练数据集 -> 机器学习算法 -fit-> 模型 输入样例 -> 模型 -predict-> 输出结果
我们之前说过,kNN算法没有模型,模型其实就是训练数据集,predict的过程就是求k近邻的过程。
我们使用sklearn中已经封装好的kNN库。你可以看到使用有多么简单。
from sklearn.neighbors import KNeighborsClassifier# 创建kNN_classifier实例kNN_classifier = KNeighborsClassifier(n_neighbors=6)# kNN_classifier做一遍fit(拟合)的过程,没有返回值,模型就存储在kNN_classifier实例中kNN_classifier.fit(X_train, y_train)# kNN进行预测predict,需要传入一个矩阵,而不能是一个数组。reshape()成一个二维数组,第一个参数是1表示只有一个数据,第二个参数-1,numpy自动决定第二维度有多少y_predict = kNN_classifier.predict(x.reshape(1,-1))
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
总结
谈到面试,其实说白了就是刷题刷题刷题,天天作死的刷。。。。。
为了准备这个“金三银四”的春招,狂刷一个月的题,狂补超多的漏洞知识,像这次美团面试问的算法、数据库、Redis、设计模式等这些题目都是我刷到过的
并且我也将自己刷的题全部整理成了PDF或者Word文档(含详细答案解析)
66个Java面试知识点
架构专题(MySQL,Java,Redis,线程,并发,设计模式,Nginx,Linux,框架,微服务等)+大厂面试题详解(百度,阿里,腾讯,华为,迅雷,网易,中兴,北京中软等)
算法刷题(PDF)
《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》,点击传送门即可获取!
答案解析)**
[外链图片转存中…(img-MtZvI96y-1712476633685)]
66个Java面试知识点
架构专题(MySQL,Java,Redis,线程,并发,设计模式,Nginx,Linux,框架,微服务等)+大厂面试题详解(百度,阿里,腾讯,华为,迅雷,网易,中兴,北京中软等)
[外链图片转存中…(img-2djkb1PM-1712476633685)]
算法刷题(PDF)
[外链图片转存中…(img-vJ0pKke6-1712476633685)]
《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》,点击传送门即可获取!