k 近邻算法笔记

最新推荐文章于 2024-01-22 18:00:25 发布

DaMeng999

最新推荐文章于 2024-01-22 18:00:25 发布

阅读量346

点赞数

分类专栏：机器学习文章标签：近邻算法算法

本文链接：https://blog.csdn.net/DaMeng999/article/details/121015980

版权

机器学习专栏收录该内容

15 篇文章 2 订阅

订阅专栏

k 近邻算法是一种基本分类与回归方法。算法的输入为实例的特征向量，即特征空间的点；输出是实例的类别，可以取多类。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式预测，可以看出 k 近邻算法不具有显示的学习过程。k 值的选择，距离度量及分类决策规则是 k 近的三个基本要素。

1. 概述

输入：训练数据集 T

输出：实例 x 所属的类 y

根据给定的距离度量，在 T 中找到与 x 最邻近的 k 个点，涵盖这 k 个点的 x 的邻域记作 $N_{k}(x)$
在 $N_k(x)$ 中根据分类决策规则决定 x 的类别 y

决策规则可采用多数表决：

$y=arg\underset{c_j}{max}\sum_{x_i \in N_k(x)}I(y_i=c_j)\, ,\,\, i=1,2,...,N;j=1,2,...,K$

令 k=1 ，则得到最近邻算法，对于输入的实例点 x，最近邻将训练数据集中与 x 最近邻的点作为 x 的类。

2. 模型

当 k 近邻的三个要素确定后，对于任何一个新的输入实例，所属的类别也就唯一地确定。这相当于根据上述要素将特征空间划分为一些子空间，子空间的泪奔以及确定。

特征空间中，对每个训练实例，距离该点比其他点更近地所有点组成一个区域，这个区域叫做单元。所有训练实例点的单元构成特征空间的一个划分，每个单元的实例点的类别是确定的。

2.1 距离度量

特征空间中两个实例点的距离是两个实例点相似程度的反映。一般使用的距离是欧氏距离，也可以是更一般的 $L_p$ 距离：

$L_p(x_i, x_j)=(\sum_{l=1}^{n}\left | x_i^{(l)}-x_j^{(l)} \right |^p)^\frac{1}{p}$

其中， $x_i,x_j \in R^n$

p = 1，曼哈顿距离
p = 2，欧氏距离
p 无穷大，是各个坐标距离的最大值。

2.2 k 值选择

	优点	缺点
较小的k值	只有与输入实例相似的训练实例会对预测结果起作用，近似误差较小	估计误差较大，预测结果对邻近点非常敏感，噪声影响很大
较大的k值	估计误差较小	近似误差增大

应用中，k 值一般取一个比较小的数值，通常采用交叉验证法来选取最优的 k 值。

2.3 分类决策规则

多数表决规则有如下解释：如果分类的损失函数为 0-1 损失函数，分类函数为

$f:R^n\rightarrow \left \{ c_1,c_2,...,c_K \right \}$

误分类的概率为

$P(Y\neq f(X))=1-P(Y=f(X))$

对给定的实例 x ，其最近邻的 k 个是实例点构成的集合 $N_k(x)$ ，涵盖 $N_k(x)$ 区域的类别是 $c_j$ ，则误分类率是

$\frac{1}{k}\sum_{x_i \in N_k(x)}I(y_i \neq c_j)=1-\frac{1}{k}\sum_{x_i \in N_k(x)}I(y_i =c_j)$

为尽可能降低误分类率，要使 $\sum_{x_i \in N_k(x)}I(y_i =c_j)$ 最大，所以多数表决规则等价于经验风险最小化。

3. kd 树

实现 k 近邻的算法有两种：

线性扫描：当训练集很大时，计算非常耗时，不可行
kd 树：特殊结构存储数据减少计算距离的次数

kd 树时一种对 k 维空间的实例点进行存储以快速检索的树形数据结构，是二叉树。构造 kd 树相当于不断地用垂直于坐标轴的超平面将 k 维空间切分，构成一系列 k 维超矩形区域，kd 树的每一个结点对应一个超矩形区域。

3.1 构造 kd 树

输入：k维空间数据集 T

输出：kd 树

构造根节点，根节点对应于包含 T 的 k 维空间的超矩形区域

选择 $x^{(1)}$ 为坐标轴，以 T 中所有实例的第一维坐标的中位数为切分点，该切分点将对应的超矩形区域切分。切分通过切分点并与坐标轴 $x^{(1)}$ 垂直的超平面实现。

由根节点生成深度为 1 的左右子结点，左节点为第一维坐标小于切分点的数据集，右节点为第一维坐标大于切分点的数据集，将落在切分超平面上的实例点保存为根节点。

对深度为 j 的结点，选择 $x^{j\,mod\,k+1}$ 作为切分的坐标轴，切分过程如上。
直到两个子区域没有实例存在时停止切分。

3.2 搜索 kd 树

给定一个目标点，搜索其最近邻，首先找到包含目标点的叶结点，然后从叶结点出发依次回退到父节点，不断朝朝与目标点最邻近的结点，当确定不可能存在更近的结点时停止。

输入：kd 树，目标点 x

输出：x 的最近邻

在 kd 树中找到包含 x 的叶结点：从根节点出发递归的向下访问，若目标点坐标小于切分点坐标则搜索左子树，否则搜索右子树，直到子结点为叶结点停止
以此叶结点为“当前最近点”
递归的向上回退，中途每个结点进行如下操作：
1. 如果该结点保存的实例点比当前最近点距离目标点更近，则更新当前最近点
2. 当前最近点一定存在于该结点一个子结点对应的区域，检查该子结点的父节点的另一子结点对应的区域是否由更近的点，如果存在则移动到另一个子结点并递归的进行最近邻搜索，否则向上回退
回退到根节点，搜索结束，最后的当前最近点就是 x 的最近邻点。

DaMeng999

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
k 近邻算法笔记

目录1. 概述2. 模型2.1 距离度量2.2 k 值选择2.3 分类决策规则3. kd 树3.1 构造 kd 树3.2 搜索 kd 树 k 近邻算法是一种基本分类与回归方法。算法的输入为实例的特征向量，即特征空间的点；输出是实例的类别，可以取多类。分类时，对新的实例，根据其 k 个最近邻的训练实例的类别，通过多数表决等方式预测，可以看出 k 近邻算法不具有显示的学习过程。k 值的选择，距离度量及分类决策规则是 k 近的三个基本要素。1. 概述输入：...
复制链接

扫一扫