K近邻(kNN)简介
k近邻方法是一种惰性学习算法,可以用于回归和分类,它的主要思想是投票机制,对于一个测试实例 x j x_j xj, 我们在有标签的训练数据集上找到和最相近的k个数据,用他们的label进行投票,分类问题则进行表决投票,回归问题使用加权平均或者直接平均的方法。
整体介绍
正所谓物以类聚,人以群分,kNN就是利用这个思想的一种学习算法, 对于每一个预测的实例,找打和它相近的k个实例,用这k个实例的平均水平表示这个待预测的实例. 如果是一个预测一个人平均收入的问题,我们都知道只要知道他的k个朋友的相关收入求平均值即可. KNN就是这么做的,只是需要指定K,并且怎么判断"朋友".
伪代码:
输入:训练数据 T = ( x 1 , y 1 ) , ( x 2 , y 2 ) , . . . , ( x N , y n ) T={(x_1,y_1),(x_2,y_2),...,(x_N,y_n)} T=(x1,y1),(x2,y2),...,(xN,yn) 其中 x i ∈ R n x_i \in R^n xi∈Rn,是实例的特征向量, y i ∈ Y = c 1 , c 2 , . . . , c K y_i \in Y = {c_1,c_2,...,c_K} yi∈Y=c1,c2,...,cK,表示类别
输出: 实例x所属的类别
根据跟定的距离度量的方法,在T中找到和x最邻近的k个点,记作x的邻域, N k ( x ) N_k(x) Nk(x)
在 N k ( x ) N_k(x) Nk(x)中使用多数表决规则,绝对x的类别y: y = a r g m a x c j ∑ x i ∈ N k ( x ) I ( y i = c j ) y=argmax_{c_j} \sum_{x_i \in N_k(x)}I(y_i=c_j) y=argmaxc