机器学习实战---KNN算法

KNN算法

(机器学习实战)

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。

工作原理：

• 已有一个样本数据集，即训练集，并且训练集的每个数据都有其对应的分类标签。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的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的数据的分类标签。也就是看最相近的k个数据的标签，通过多数表决的方式进行。
• 这里的k-NN的k即为选择的样本数据集中的前k个最相似的数据，通常k设置为不大于20的整数

通过距离度量来计算查询点（query point）与每个训练数据点的距离，然后选出与查询点（query point）相近的K个最邻点（K nearest neighbors），使用分类决策来选出对应的标签来作为该查询点的标签。

例子：

• 电影分类

  现在已知电影分类为动作电影和爱情电影，其中已有数据为每部电影的打斗镜头和接吻镜头的数量。如何通过已有数据对未知电影分类呢？
  
  可以先对已有数据进行大致的绘图：

  
  很显然我们猜测未知电影应该是属于爱情片的。

  实际上kNN算法的思想就是如此简单，通过查看离未知点最近的k个点的标签来推测该点的标签

  用数学的方法表示：

  可以定义一种距离，根据具体的情况定义即可。在此用普通的欧拉距离（当然我觉得可以给每种属性一个权重，但是如何定义权重应该用先验知识和已知数据去共同决定）
  $$d=\sqrt{(A_1-A_2{)}^2+(B_1-B_2{)}^2}$$