原理
K Nearest Neighbor算法又叫KNN算法,这个算法是机器学习里面一个比较经典的算法
-
定义
如果一个样本在特征空间中的K个最相似(即特征空间中最邻近)的样本大多数属于某一个类别,则该样本也属于这个类别。
-
距离公式
两个样本的距离可以通过如下公式计算,又叫欧氏距离
比如说,点a(a1,a2,a3)和点b(b1,b2,b3)的距离为:
其他的距离公式:曼哈顿距离:绝对值距离
注:
K值取的过小,容易受到异常点的影响
K值取的过大,容易受到样本不均衡的影响
API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')
-n_neighbors:int,可选(默认=5),n_neighbors查询默认使用的邻居数
-algorithm:{'auto','ball_tree','kd_tree','brute'},可选用于计算最近邻居的算法:'ball_tree'将会使用BallTree,'kd_tree'将使用KDTree,'auto'将尝试根据传递给fit方法的值来决定最合适的算法
使用
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_demo():
#1.获取数据
iris=load_iris()
#2.划分数据集
x_train,x_test,y_train,y_test=train_test_split(iris.data,iris.target,random_state=6)
#3.特征工程:标准化
transfer=StandardScaler()
x_train=transfer.fit_transform(x_train)
x_test=transfer.transform(x_test)
#4.KNN算法预估器
estimator=KNeighborsClassifier(n_neighbors=3)
estimator.fit(x_train,y_train)
# 5.评估模型
#方法一
y_predict=estimator.predict(x_test)
print("直接比对真实值和预测值:\n",y_test==y_predict)
# 方法二
score=estimator.score(x_test,y_test)
print("准确率为:\n",score)
return None
总结
-
优点
简单、易于理解、易于实现、无需训练
-
缺点
懒惰算法,对测试样本分类时的计算量大,内存开销大
必须指定K值,K值选择不当则分类精度不能保证
-
使用场景
小数据场景,几千~几万样本,具体场景具体业务去测试