k近邻算法(简单版)

存在一个样本数据集，也称作训练样本集，并且样本中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系，输入没有标签的新数据后，将新数据的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据（最近邻）的分类标签。一般来说，我们只选择样本集中前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个最相似的数据中出现次数最多的分类，作为新数据的分类。

KNN三要素:k值选择,距离度量和分类决策规则(取均值的决策规则).

import numpy as np
from cmath import sqrt
from collections import Counter
import matplotlib.pyplot as plt

#用来模拟的数据集
raw_data_X = [[3.393533211, 2.331273381],
              [3.110073483, 1.781539638],
              [1.343808831, 3.368360954],
              [3.582294042, 4.679179110],
              [2.280362439, 2.866990263],
              [7.423436942, 4.696522875],
              [5.745051997, 3.533989803],
              [9.172168622, 2.511101045],
              [7.792783481, 3.424088941],
              [7.939820817, 0.791637231]
             ]
raw_data_y = [0, 0, 0, 0, 0, 1, 1, 1, 1, 1]

#创建为numpy数组
x_train = np.array(raw_data_X)
y_train = np.array(raw_data_y)

print(x_train)
print(y_train)

'''
plt.scatter(x_train[y_train==0, 0], x_train[y_train==0, 1], color = 'g')
plt.scatter(x_train[y_train==1, 0], x_train[y_train==1, 1], color = 'r')
plt.show()
'''

x = np.array([8.093607318, 3.365731514])
#绘制散点图(注: y是特征值,并不是纵坐标)(y=0的点标记为绿色,y=1的点标记为红色)
plt.scatter(x_train[y_train==0, 0], x_train[y_train==0, 1], color = 'g')
plt.scatter(x_train[y_train==1, 0], x_train[y_train==1, 1], color = 'r')
plt.scatter(x[0], x[1], color = 'b')
plt.show()

#KNN的过程
'''
distances = []
for X_train in x_train:
	d = sqrt(np.sum((X_train - x)**2))
	distances.append(d)
print(distances)
'''
#计算点x到其余各点的欧拉距离
distances = [sqrt(np.sum((X_train - x)**2)) for X_train in x_train]
#print(distances)

#print(np.argsort(distances))
#argsort是numpy中提供的排序,返回排序后的索引
nearest = np.argsort(distances)
k = 6
#找到距离x最近的前六个点的y值
topK_y = [y_train[i] for i in nearest[:k]]
#print(topK_y)

#统计距离x最近的元素对应的种类(0/1)
print(Counter(topK_y))
votes = Counter(topK_y)
#输出该元素最可能的种类
#print(votes.most_common(1))
predict_y = votes.most_common(1)[0][0]
print(predict_y)

　　

 

转载于:https://www.cnblogs.com/mjn1/p/11124675.html