KNN算法实现，（鸢尾花数据集分类）

KNN算法

一，KNN算法概述

knn算法，又叫k-近邻算法。属于一个分类算法，主要思想如下：
一个样本在特征空间中的k个最近邻的样本中的大多数都属于某一个类别，则该样本也属于这个类别。其中k表示最近邻居的个数。（通俗理解：和最近的几个是一类）

二维图示：

二，算法步骤

KNN算法的具体实现

一、数据获取

Iris 鸢尾花数据集内包含 3 类分别为山鸢尾（Iris-setosa）、变色鸢尾（Iris-versicolor）和维吉尼亚鸢尾（Iris-virginica），共 150 条记录，每类各 50 个数据，每条记录都有 4 项特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度，可以通过这4个特征预测鸢尾花卉属于哪一品种。
iris数据集包含在sklearn库当中，具体在sklearn\datasets\data文件夹下，文件名为iris.csv。以本机为例。其路径如下：
D:\python\lib\site-packages\sklearn\datasets\data\iris.csv
其中数据如下格式：

第一行数据意义如下：
150：数据集中数据的总条数
4：特征值的类别数，即花萼长度、花萼宽度、花瓣长度、花瓣宽度。
setosa、versicolor、virginica：三种鸢尾花名

从第二行开始：
第一列为花萼长度值
第二列为花萼宽度值
第三列为花瓣长度值
第四列为花瓣宽度值
第五列对应是种类（三类鸢尾花分别用0，1，2表示）
————————————————
版权声明：本文为CSDN博主「Elf.苏洛曦」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_42302831/article/details/102553007

二、具体代码的实现

// 完整代码
import csv
import random
import operator


#读取数据
with open('iris.csv','r') as file:  ##打开文件'iris.csv'，并命名为 file
    reader = csv.DictReader(file)   ##DictReader 以字典的形式读取这个文件，reader可迭代
    
    #for row in reader:
        #print(row)    #可以打出每一行的值
    datas = [row for row in reader] ##推导； 把每行都存到datas内。datas就是一个大的list
    
##分组
random.shuffle(datas)  ##因给定的数据是按类别分好的，要打乱。 shuffle洗牌的意思
n = len(datas)//3   #// 表示整除  ##将数据分成三份

test_set = datas[0:n]   ##测试组
train_set = datas[n:]   ##训练组

##KNN
##求距离
def distance(d1, d2):
    res = 0
    feature = ("150","4","setosa","versicolor")
    ##官方的表格很是奇怪，这里根据csv文件直接进行字典匹配的特性，没有对第一行的数据进行修改
    ##这四个分别对应四个特征：花萼长度值，花萼宽度值，花瓣长度值，花瓣宽度值
    for key in (feature): ##循环对每个特征进行相见平方
        res += (float(d1[key])-float(d2[key]))**2
        ##csv读过来的数据都是字符串，所以要float转换成浮点型，进行运算
    return res**0.5##对加和求导，就得到距离。
    #开始我对距离理解v不是很好，距离不只是狭义的空间上的距离，可以理解为n维空间的距离
    
K = 5  ##k取5
  ##KNN算法  
def knn(data):
    #1 求距离
    #2 排序——升序
    #3 取前K个
    #4 加权平均
    
    #1 求距离
    res = [
            {"result":train['virginica'], "distance": distance(data, train)}
            for train in train_set
          ]
    ##再用推导，将花的种类赋值给result，将距离赋值给distance
 
    
    #2 排序——升序
    #以 distance 为依据升序，距离近的排前面
    res = sorted(res, key = lambda item:item['distance'])#item：将结果以列表的形式展示
    #print(res) ##每一步输出防止整个程序写完出错
    #3取前K个
    res2 = res[0:K] ##取前K个
    #print(res2)
    
    #4 加权平均
    result = {'0': 0, '1':0, '2': 0}#
    ##总距离
    sum = 0
    for r in res2:                 ##将K个值的总距离加起来
        sum+= r['distance']
        
    for r in res2:                ##距离近的加权就越大，（距离近distance小，用1减就大了）
        result[r['result']] += 1 - r['distance']/sum   ##距离近权重的就会不断累加
        
    resulutCount1= sorted(result.items(), key=operator.itemgetter(1), reverse=True)
    ## 依据加权结果的大小进行排序，reverse = True 为降序              
    return (resulutCount1[0][0])#返回最大值

##测试阶段
correct = 0              ##定义正确的个数
for test in test_set:    ##测试集进行测试对比
    result = test['virginica']
    result2 = knn(test)
    if result  == result2:
        correct+=1
        
print("正确率：{:.2f}%".format(100*correct/len(test_set)))

参考博客

视频教程：
https://www.bilibili.com/video/BV1Nt411i7oD?t=1080
KNN算法：
https://blog.csdn.net/qq_42302831/article/details/102553007
排序：
https://blog.csdn.net/u013095333/article/details/83899613