KNN(K-Nearest Neighbor)——k近邻算法

• skearn_learn 代码实现

 建模+预测：

from sklearn.neighbors import KNeighborsClassifier
knn_clf = KNeighborsClassifier(n_neighbors=3)
knn_clf.fit(X_train,y_train)
y_predict = knn_clf.predict(X_test)

 评价模型：准确率

knn_clf.score(X_test)

 

• 相关概念

 1．近邻法是基本且简单的分类与回归方法。近邻法的基本做法是：对给定的训练实例点和输入实例点，首         先确定输入实例点的个最近邻训练实例点，然后利用这个训练实例点的类的多数来预测输入实例点的类。

2．近邻模型对应于基于训练数据集对特征空间的一个划分。近邻法中，当训练集、距离度量、值及分类决策规则确定后，其结果唯一确定。

 3．近邻法三要素：距离度量、值的选择和分类决策规则。常用的距离度量是欧氏距离及更一般的pL距离。值小时，近邻模型更复杂，预测结果对实例点非常敏感，过拟合；值大时，近邻模型更简单，学习误差小，近似误差大。值的选择反映了对近似误差与估计误差之间的权衡，通常由交叉验证选择最优的。常用的分类决策规则是多数表决，对应于经验风险最小化。

4．近邻法的实现需要考虑如何快速搜索 k 个最近邻点。kd树是一种便于对 k 维空间中的数据进行快速检索的数据结构。kd 树是二叉树，表示对维空间的一个划分，其每个结点对应于维空间划分中的一个超矩形区域。利用kd树可以省去对大部分数据点的搜索， 从而减少搜索的计算量。

 

• 距离度量

 

• 调库   Scikit-learn 实例

from sklearn.neighbors import KNeighborsClassifier

clf_sk = KNeighborsClassifier()

clf_sk.fit(X_train, y_train)

clf_sk.score(X_test, y_test)

• kd 树

kd树是一种对 k 维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。

kd树是二叉树，表示对维空间的一个划分（partition）。构造kd树相当于不断地用垂直于坐标轴的超平面将维空间切分，构成一系列的 k 维超矩形区域。kd 树的每个结点对应于一个维超矩形区域。

构造kd树的方法如下：

构造根结点，使根结点对应于维空间中包含所有实例点的超矩形区域；通过下面的递归方法，不断地对维空间进行切分，生成子结点。在超矩形区域（结点）上选择一个坐标轴和在此坐标轴上的一个切分点，确定一个超平面，这个超平面通过选定的切分点并垂直于选定的坐标轴，将当前超矩形区域切分为左右两个子区域 （子结点）；这时，实例被分到两个子区域。这个过程直到子区域内没有实例时终止（终止时的结点为叶结点）。在此过程中，将实例保存在相应的结点上。

通常，依次选择坐标轴对空间切分，选择训练实例点在选定坐标轴上的中位数 （median）为切分点，这样得到的kd树是平衡的。注意，平衡的kd树搜索时的效率未必是最优的。

• 构造平衡 kd 树算法

输入：维空间数据集＝，，

其中 ，＝；

输出：kd树。

（1）开始：构造根结点，根结点对应于包含的维空间的超矩形区域。

选择为坐标轴，以 T 中所有实例的坐标的中位数为切分点，将根结点对应的超矩形区域切分为两个子区域。切分由通过切分点并与坐标轴垂直的超平面实现。

由根结点生成深度为 1 的左、右子结点：左子结点对应坐标小于切分点的子区域， 右子结点对应于坐标大于切分点的子区域。

将落在切分超平面上的实例点保存在根结点。

（2）重复：对深度为的结点，选择为切分的坐标轴，＝，以该结点的区域中所有实例的坐标的中位数为切分点，将该结点对应的超矩形区域切分为两个子区域。切分由通过切分点并与坐标轴垂直的超平面实现。

由该结点生成深度为的左、右子结点：左子结点对应坐标小于切分点的子区域，右子结点对应坐标大于切分点的子区域。

将落在切分超平面上的实例点保存在该结点。

（3）直到两个子区域没有实例存在时停止。从而形成kd树的区域划分。

•