《机器学习实战》笔记——第2章 K-近邻算法

 

 

---

数据下载：https://pan.baidu.com/s/1D4vkduD8PVGyPDmx5FRCnw

---

目录

 

一、算法概述

1.1 工作原理

1.2 一般流程

1.3 优点

1.4 缺点

二、示例1-构建第一个分类器

2.1 创建数据集和标签

2.2 构建第一个分类器

三、示例2-应用KNN算法改进约会网站的配对效果

3.1 准备数据：从文本文件中解析数据

3.2 分析数据：使用 Matplotlib 创建散点图

3.3 【改进】准备数据：归一化数值

3.4 测试算法：作为完整程序验证分类器

3.5 使用算法：构建完整可用的系统

 

四、示例3-手写识别系统

五、完整代码

---

一、算法概述

1.1 工作原理

• 存在一个样本数据集合（训练样本集）并且样本集中每个数据都存在标签，即我们知道样本集中每个数据与所属分类的对应关系；
• 输入没有标签的新数据后，将新数据的每个特征与样本集中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；
• 一般来说，我们值选择样本数据集中 k 个最相似的数据（这就是k-近邻算法中 k 的出处），通常 k 是一个不大于20的正数；
• 最后，选择 k 个最相似数据中出现次数最多的分类，作为新数据的分类。

1.2 一般流程

1. 收集数据：可以使用任何方法；
2. 准备数据：距离计算所需的数值，最好是结构化的数据格式；
3. 分析数据：可以使用任何方法；
4. 训练算法（此算法不适用于KNN）；
5. 测试算法：计算错误率；
6. 使用算法：首先需要输入样本数据和结构化的输出结果，然后运行KNN算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续处理。

1.3 优点

• 精度高
• 对异常值不敏感
• 无数据输入假定

1.4 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，因此我们无法知晓平均实例样本和典型实例样本具有什么特征

二、示例1-构建第一个分类器

2.1 创建数据集和标签

• 代码

import numpy as np
import operator

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

• 执行结果

 

2.2 构建第一个分类器

• 代码

# inX：用于分类的输入向量
# dataSet：输入的训练样本集
# labels：标签向量
# k:表示用于选择最近邻居的数目
# 注意标签向量的元素数目和矩阵 dataSet 的行数相同
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]

    # 使用欧氏距离公式计算两点间距离
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances ** 0.5
    sortedDistIndicies = distances.argsort()

    # 选择距离最小的 k 个点
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

    # 排序
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

• 执行结果

---

此处应注意：

1. 为防止两个模块互相导入的问题，Python默认所有的模块都只导入一次。如果修改模块代码后，重新导入模块无效。
2. Python3中已经无法直接使用reload()，可使用的方法可参考：https://blog.csdn.net/xiakexiaohu/article/details/74999108。

---

三、示例2-应用KNN算法改进约会网站的配对效果

3.1 准备数据：从文本文件中解析数据

• 代码

# 文件记录转换为矩阵
def file2matrix(filename):
    fr = open(filename)

    # 得到文件行数
    arrayOfLines = fr.readlines()
    numOfLines = len(arrayOfLines)

    # 创建返回值的Numpy矩阵
    returnMat = np.zeros((numOfLines, 3))

    # 解析文件数据到列表
    classLabelVector = []
    index = 0
    for line in arrayOfLines:
        # 使