使用KNN/SVM进行未知飞行器预测GUI/Qt小白教程

安五军

已于 2023-07-16 17:07:40 修改

阅读量196

点赞数

文章标签：支持向量机算法机器学习 qt 无人机

于 2023-07-11 10:42:44 首次发布

本文链接：https://blog.csdn.net/Aniiiii/article/details/131654844

版权

KNN 的全称是 K Nearest Neighbors，意思是 K 个最近的邻居

KNN算法具体步骤：

（1）计算已知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。

在训练分类器时使用交叉验证，其基本思想是将原始数据进行分组，一部分作为训练集，另一部分作为验证集，首先用训练集对分类器进行训练，再利用验证集来测试训练得到的模型，以此来作为评价分类器的性能指标。

常做K折交叉验证，将数据集分成K份，轮流将其中K-1份做训练，1份做验证，多次的结果的均值作为对算法精度的估计，以求更精确一点。

距离度量是指算法使用样本间的距离作为样本之间的相似性指标，常用欧氏距离或曼哈顿距离。

需要用到的第三方库有：pandas、sklearn

具体实现的步骤有：数据加载、数据预处理（删除重复数据、错误数据、填补空缺值、数据分割、标准化处理）、模型训练（构建模型、模型训练、参数调优）

在编写代码过程中需要注意的是在读入需要预测的数据之后，也要将其与之前的训练数据一样的标准化。

可以看一下别人用KNN是怎么做的：

KNN算法——kd-tree、KNN莺尾花分类sklearn实现实例_sklearn kdtree_企鹅家的北极熊的博客-CSDN博客

sklearn实现KNN分类算法_使用sklearn中的knn算法进行分类_睿科知识云的博客-CSDN博客

【机器学习】KNN算法实战项目二：水果分类_如何使用knn实现二分类_百木从森的博客-CSDN博客

SVM即支持向量机（Support Vector Machines）

基于统计学习理论，强调结构风险最小化。其基本思想是：对于一个给定有限数量训练样本的学习任务，通过在原空间或经投影后的高维空间中构造最优分离超平面，将给定的两类训练样本分开，构造分离超平面的依据是两类样本对分离超平面的最小距离最大化。

寻找最优的超平面和支持向量时，可以通过非线性映射将原数据变换到更高维空间，在新的高维空间中实现线性可分。这种非线性映射可以通过核函数来实现，常用的核函数包括：高斯核函数、多项式核函数、S形*核函数。

需要用到的第三方库有：pandas、sklearn-svm

具体实现的步骤有：数据加载、数据预处理（删除重复数据、错误数据、填补空缺值、数据分割、标准化处理）、模型训练（创建支持向量机、选择核函数、用fit()方法训练、用score()方法考察训练效果、用predict()方法进行预测）

编程中，KNN和SVM没什么很大的区别。

Gui软件界面制作与打包：

建议学习白月黑羽的教程，上链接：白月黑羽

我的理解是GUI就是要做好信号和槽的连接，其他都是进阶，先做出来，后面都是2.0。

图形用户界面（Graphical User Interface，简称 GUI，又称图形用户接口）是指采用图形方式显示的计算机操作用户界面。图形用户界面是一种人与计算机通信的界面显示格式，允许用户使用鼠标等输入设备操纵屏幕上的图标或菜单选项，以选择命令、调用文件、启动程序或执行其它一些日常任务。

这里完成这个任务我所使用的是PyCharm和外部工具QtDesigner，第三方库是PyQt5，先在QtDesigner中将页面设计好，如图3所示，其中包含选择机型的下拉框“请选择要预测的飞机”，会将战机参数在下方显示，再通过下方“请选择使用的预测方法”选择预测方法（KNN/SVM），接着点击开始预测，则会将得到的飞机参数输送给预测算法，并将结果显示在下方的结果展示区“输出预测结果”，包括真实机型和预测机型，在右侧是将不同的飞机型号图片进行插入。