【ML练习】K-邻近算法模型（KNN）

• 🍨 本文为🔗365天深度学习训练营 中的学习记录博客
• 🍖 原作者：K同学啊

本周任务：

• 1. 学习本文的K-邻近算法
• 2. 了解KNeighborsClassifier函数

一、基本概念

商业哲学家Jim Rohn说过一句话， “你，就是你最长接触的五个人的平均。”那么，在分析一个人时，我们不妨观察和他最亲密的几个人。同理的，在判定一个未知事物时，可以观察离它最近的几个样本，这就是KNN（k-近邻）算法。

K-近邻算法是一种基本分类和回归方法。

K-近邻算法，即是给定一个训练数据集，输入一个新的实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例主要是哪一类别，那么就把该实例分类到这个类中。引用维基百科上的一幅图：

蓝色方块与红色三角形为训练集中的实例，绿色小圆是新输入的实例，现在在现有实例中取K个离小绿圆最近实例用于判断其类别。

• 当K=3时，所取实例在实线圆内，红三角占比最大，将新输入实例归为红三角一类。
• 当K=5时，所取实例在虚线圆内，绿方块占比最大，将新输入实例归为绿方块一类。

在KNN中存在两个重要问题，一个是K的取值问题，一个是距离计算问题，这里先不做讨论，仅仅引入KNN这个概念，明白它是一个什么东西，在后面文章中我们再对这两个问题进行深入讨论。下文将通过sklearn包来实现KNN。

二、代码实现

我的环境

• 语言环境：Python3.10
• 编译器： Jupyter Notebook

1. 问题简介

背景： 海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她没有从中找到喜欢的人。经过一番总结，她发现曾交往过三种类型的人：

• ①不喜欢的人；
• ②魅力一般的人；
• ③极具魅力的人。

她现在总结好的数据中（即训练集）包含三种特征：

• ①每年获得的飞行常客里程数
• ②玩视频游戏所耗时间百分比
• ③每周消费的冰淇淋公升数
  她希望根据现有的数据来判断一个陌生男人会被她归到哪一类。

2. 导入数据

数据标签详解：

• 0：每年获得的飞行常客里程数
• 1：玩视频游戏所耗时间百分比
• 2：每周消费的冰淇淋公升数
• 3：人物类别（不喜欢的人、魅力一般的人、极具魅力的人）

import pandas as pd

data=pd.read_table('D:/Personal Data/Learning Data/DL Learning Data/datingTestSet2.txt',
                   sep='\t',
                   header=None)

data.head()

X = data.iloc[:,:3]
y = data.iloc[:,3]
X

3. 将数据集分成训练集和测试集

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, 
                                                    test_size=0.25, 
                                                    random_state=3)

4. K-邻近算法模型

from sklearn.neighbors import KNeighborsClassifier

knc = KNeighborsClassifier()
knc.fit(X_train, y_train)

5. 结果预测

data["预测结果"] = knc.predict(data.iloc[:,:3])
data.head(10)

6. 模型评分

scoreK = knc.score(X_test,y_test)
print(scoreK)

结果输出：

0.796

三. 总结

在数据特征维度较少的情况下，准确率不会特别理想。可通过特征组合来实现多特征，以便增强准确率。