K-近邻kNN算法简介

1.K-近邻算法:存在一个带标签的训练数据集,对于待分类的样例,从训练数据集中选取与待分类样例距离最近的K个样例,由这K个样例投票表决待分类样例的类别。

2.优点:精度高、对异常值不敏感、无数据输入假定。缺点:计算复杂度高、空间复杂度高、无法给出任何数据的基础结构信息。

3.有k值的选择、距离度量及分类决策规则等三个基本要素。

4.计算样本距离前需要归一化数据,消除数据量级不一致问题。

5.k值的选择反映了对近似误差与估计误差之间的权衡,通常由交叉验证选择最优的k。


'''
Created on 2017年2月7日
kNN算法
@author: Jakin Liu
'''

import numpy as np
import operator
import matplotlib.pyplot as plt
from os import listdir

# K-近邻算法
def classify0(inX, dataSet, labels, k):
    # 获取训练样例数目,对待测样例构造差分矩阵
    dataSetSize = dataSet.shape[0]
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
    
    # 根据差分矩阵计算待测样例到所有训练样例的距离,并排序
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum(axis = 1)
    distances = sqDistances ** 0.5
    sortedDistIndicies = distances.argsort()
    
    # 对距离最近的前k个样例的类别进行计数
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    
    # 对类别计数进行排序,将计数最大的类别赋予待测样例
    sortedClassCount = sorted(classCount.items(), key = operator.itemgetter(1), reverse = True)
    return sortedClassCount[0][0]

# 从文本文件中读取并解析原始数据
def file2matrix(filename):
    # 读取文本
    fr = open(filename)
    arrayOLines = fr.readlines()
    
    # 解析和构造数据
    numberOfLines = len(arrayOLines)
    returnMat = np.zeros((numberOfLines, 3))
    classLabelVector = []
    
    index = 0
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
        
    return returnMat, classLabelVector

# 对输入数据集进行归一化
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = dataSet
    m = dataSet.shape[0]
    normDataSet = normDataSet - np.tile(minVals, (m, 1))
    normDataSet = normDataSet / np.tile(ranges, (m, 1))
    return normDataSet, ranges, minVals


# 针对约会数据集进行分类的测试
def datingClassTest():
    # 读入约会数据,并归一化
    datingDataMat, datingLabels = file2matrix('Datas/datingTestSet2.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    
    # 分配训练集和测试集样例数目
    hoRatio = 0.10
    m = normMat.shape[0]    
    numTestVecs = int(m * hoRatio)
    
    # 对测试集进行分类,并记录错分的样例数,计算和打印错分率
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],
                                     datingLabels[numTestVecs:m], 3)
        print('the classifier came back with: %d, the real answer is: %d' 
              % (classifierResult, datingLabels[i]))
        if (classifierResult != datingLabels[i]):
            errorCount += 1.0
            
    print('the total error rate is: %f' % (errorCount / float(numTestVecs)))

# 约会网站预测函数,交互输入测试样例
def classifyPerson():
    # 交互输入测试样例
    percentTats = float(input('percentage of time spent playing video games?'))
    ffMiles = float(input('frequent flier miles earned per year?'))
    iceCream = float(input('liters of ice cream consumed per year?'))
    inArr = np.array([ffMiles, percentTats, iceCream])
    
    # 输入训练数据集,并归一化数据
    datingDataMat, datingLabels = file2matrix('Datas/datingTestSet2.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    
    # 对输入样例进行分类测试
    classifierResult = classify0((inArr - minVals) / ranges, normMat, datingLabels, 3)
    
    # 打印输入样例的类别
    resultList = ['not at all', 'in small doses', 'in large doses']
    print('You will probably like this person: ', resultList[classifierResult - 1])


# 读取手写数字图像的文本,并解析成一维行向量
def img2vector(filename):
    returnVect = np.zeros((1, 1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0, 32*i+j] = int(lineStr[j])
    return returnVect

# 手写数字识别系统的测试
def handwritingClassTest():
    # 读入并解析手写数字的训练数据
    trainingFileList = listdir('Datas/trainingDigits')
    m = len(trainingFileList)
    trainingMat = np.zeros((m, 1024))
    hwLabels = []
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('Datas/trainingDigits/%s' % fileNameStr)
    
    # 读入并解析手写数字的测试数据,并kNN分类    
    testFileList = listdir('Datas/testDigits')
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('Datas/testDigits/%s' % fileNameStr)
        
        # kNN分类
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        print('the classifier came back with: %d, the real answer is: %d'
              % (classifierResult, classNumStr))
        
        # 如果分类错误,计数加一
        if (classifierResult != classNumStr):
            errorCount += 1.0
            
    # 打印分类错误数目和错分率
    print('\nthe total number of errors is: %d' % errorCount)
    print('\nthe total error rate is: %f' % (errorCount/float(mTest)))

if __name__ == '__main__':
    # 读取datingTestSet2.txt数据
    datingDataMat, datingLabels = file2matrix('Datas/datingTestSet2.txt')
    print(datingDataMat)
    print(datingLabels)
    
    # 展示约会数据集
    fig = plt.figure()
    ax = fig.add_subplot(111)
    ax.scatter(datingDataMat[:,0], datingDataMat[:,1],
               15.0 * np.array(datingLabels), 15.0 * np.array(datingLabels))
    plt.show()
    
    # 针对约会数据集进行分类的测试
    datingClassTest()
    
    # 约会网站预测函数,交互输入测试样例,并打印测试样例的类别
    classifyPerson()
    
    # 手写数字识别系统的测试
    handwritingClassTest()
    



参考:《机器学习实战》、《机器学习》

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值