近朱者赤,近墨者黑,是有一定道理的。我们为人处世的潜意识,通常告诉我们,一个人与众多成功者(比如马云)在一起,谈笑风生、指点江山,我们会认为,这个人很可能是个成功者;如果一个人在跟北海道大街上成天跟几个混混厮混一起,招摇过市,欺男霸女,我们通常认为,这个人很差劲!
K-近邻算法就是这样的一种算法。具体是,通过寻找测试对象Obj最近的K个样本对象,假设K=4,经过计算,与Obj最近的4个对象集合所属类别为,K_Set=[A, B, B, B],A:1次,B:3次,我们判定Obj测试对象属于类别B。
KNN 属于有监督的分类算法,也就是说,KNN 是通过 有标签 的样本集进行训练,并通过样本集数据对测试对象进行 分类 的算法。
KNN 的原理也很简单,通过选取样本集中 K 个离测试对象最近的样本,然后根据这 K 个样本的类型对测试对象进行分类。这也是算法名称中 K 的来历。
通过算法的原理我们也可以了解到,实现 KNN 算法的关键在于:样本集、距离的计算、K 值的选取。
计算距离通常可以使用距离平方和
或者欧几里得距离
曼哈顿距离计算公式
这里使用欧几里得距离。
K-近邻特点分为优点与缺点:
优点:
简单易实现,分类精度高,异常值不敏感,没有假设条件;
缺点:
计算时间复杂度高、空间复杂度高;
分类结果受到学习样本分布均衡性影响较大;
K-近邻算法实现很简单:
计算待分类对象到所有样本的最近K个距离;
K个距离对于K个点,也对应K个类别;
找出类别出现次数最多的的类别,记为该测试对象的类别;
Python代码
结果
距离 -> [0.31622777 1.36014705 0.1 0.36055513 0.2236068 1.30384048
1.04403065]
距离排序下标 -> [2 4 0 3 6 5 1]
结果 -> [('A', 2), ('B', 1)] A
代码中约定:蓝色:A类,红色:B类,绿色:待分类对象。
结果:
('A', 2), ('B', 1),待预测对象属于A类。
猜你可能喜欢