K近邻
(K-nearst neighbors
,KNN
)是一种基本的机器学习算法,每个样本都可以用它最接近的k个邻居来代表。KNN
在做回归
和分类
的主要区别在于最后做预测的时候的决策方式
不同。KNN
在分类预测
时,一般采用**多数表决法**
;而在做回归预测
时,一般采用**平均值法**
。
KNN算法原理
-
- 从训练集中获取K个离待测样本最近的样本数据;
-
- 根据获取得到的K个样本数据来预测当前待预测样本的目标属性。
KNN三要素
-
在
KNN算法
中,非常重要的主要是三个因素:K值
的选择:对于K值
的选择,一般根据样本分布选择一个较小的值,然后通过交叉验证
来选择一个比较合适的最终值;在选择比较小的K值的时候,表示使用较小邻域中的样本进行预测,训练误差会减小,但是会导致模型变得复杂,容易过拟合
;K值
很大时,表示使用较大邻域中的样本进行预测,训练误差增大,同时会使得模型变得简单,容易导致欠拟合
;- 距离的度量:一般使用
欧氏距离
(欧几里得距离
); - 决策规则:在
分类模型
中,主要使用多数表决法
或者加权多数表决法
;在回归模型
中,主要使用平均值法
或者加权平均值法
。
KNN算法实现方式
KNN算法
的重点在于找出K个最近邻的点,主要方式有:- 蛮力实现(brute):计算预测样本导到所有训练集样本的距离,然后选择最小的K个距离即可得到K个最近邻点。缺点在于当特征数比较多、样本数比较多的时候,算法的执行效率比较低;
**KD树(kd_tree)**
:KD树算法
中,首先是对训练数据进行建模,构建KD树
,然后再根据建好的模型来过去临近样本数据。
- 此外还有一些从
KD_Tree
修改后的求解最近邻点的算法,比如:Ball Tree
、BBF Tree
、MVP Tree
等。
KD Tree
KD Tree
是KNN算法
中用于计算最近邻的快速、便捷构建方式。- 当样本数据量少的时候,我们可以使用
brute
这种暴力的方式进行求解最近邻,即计算到所有样本的距离。但是当样本量比较大的时候,直接计算所有样本的距离,工作量有点大,所以在这种情况下,我们可以使用kd tree
来快速的计算。
KD Tree
构建方式
-
KD树
采用从m个样本的n维特征中,分别计算n个特征取值的方差,用方差最大的第k维特征 n k n_k nk作为根节点。对于这个特征,选择取值的中位数 n k v n_{kv} nkv作为样本的划分点,对于小于该值的样本划分到左子树,对于大于等于该值的样本划分到右子树,对左右子树采用同样的方式找方差最大的特征作为根节点,递归即可产生KD树
。