k-近邻算法的简单实例

k-近邻算法概述

定义：k-近邻算法采用测量不同特征值之间的距离方法进行分类 。
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 。
适用数据范围：数值型和标称型。

工作原理：存在一个有标签的训练样本集；输入一个没有标签的新数据，将新数据的每个特征与样本集数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般选择样本集中前k个最相似的数据，这就是k-近邻的出处。最后，选择k个最相似数据中出现测试最多的分类做为新数据的分类。

实现环境

System：Ubuntu server 20.04 (Jupyter notebook)
GPU：GeForce GTX 1080Ti（2块）
Driver Version: 450.36.06
CUDA Version: 11.0
Python Version: 3 .8.5
TensorFlow Version：2.4.1

实现流程

1. 数据准备：使用Python生成并导入数据

建立kNN.py文件，内容如下：

---

from numpy import *
import operator
from os import listdir

def createDataSet() :
    group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
    labels = ['A','A','B','B']
    return group, labels

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]     #取得行数
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()     
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

在Jupyter notebook页面中新建Python3代码，并逐步输入以下代码块：

#自动重载模块  方便调试，但是比较耗时
%load_ext autoreload
%autoreload 2

#导入创建的kNN.py文件，创建训练数据集
import kNN
group, labels = kNN.createDataSet()
print(group)
print(labels)

显示如下：
[[1. 1.1]
[1. 1. ]
[0. 0. ]
[0. 0.1]]
[‘A’, ‘A’, ‘B’, ‘B’]

#数据可视化实现
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(group[:,0],group[:,1])

for i in range(np.size(group,0)):
    ax.text(group[i,0]+0.05,group[i,1],labels[i])
ax.set_xlim(-0.1,1.1)
ax.set_ylim(-0.1,1.3)
plt.show()

显示如下图：

2. 实施kNN分类算法

分类算法的实现见kNN.py文件的classify0()函数。

3. 预测数据

kNN.classify0([0.0,0.2],group, labels, 3)

输出显示：
‘B’
更改测试值为[0.8,0.9]，测试结果为:

kNN.classify0([0.8,0.9],group, labels, 3)

分类结果为：
‘A’