一、k-近邻算法回顾
在第一部分,我们已经讲解了k-近邻算法。简单来说,k-近邻算法就是采用测量不同特征值之间的距离的方法来进行分类。
- 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
- 使用数据范围:数值型和标称型
二、k-近邻算法的一般流程
kNN算法实现步骤:
- 计算已知类别的数据集中的点与当前点之间的距离
- 按照距离递增次序排序
- 选取与当前点距离最小的k个点
- 确定前k个点所在类别出现的频率
- 返回前k个点出现频率最高的类别作为当前点的预测分类
下面我们将用根据以上步骤来给出python实战代码
三、 k-近邻算法实战
# 导入数据
from numpy import *
import operator
import matplotlib.pyplot as plt
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
group,labels = createDataSet()
print("Groups:")
print(group)
print("Labels:")
print(labels)
x = [i[0] for i in group]
y = [i[1] for i in group]
plt.scatter(x,y)
for i in range(0,len(x)):
plt.text(x[i]+0.02,y[i],labels[i])
运行结果:
def classify0(inX,dataSet,labels,K):
"""
inX - 待分类的点
dataSet - 数据集
labels - 数据集标签
k - 选择k分类
"""
#距离计算
dataSetSize = dataSet.shape[0]
diffMat = tile(inX,(dataSetSize,1)) - dataSet #tile函数是复制的作用。把inX的点复制成与dataSet大小相同数组,然后相减
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1) #横向相加,即计算x^2 + y^2
distances = sqDistances**0.5
#选择距离最小的k个点
sortedDistIndicies = distances.argsort() #argsort函数返回的是数组值从小到大的索引值
classCount={}
for i in range(K):
voteIlabel = labels[sortedDistIndicies[i]] #第i个最近点数据的标签
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #对标签出现的次数进行次数,然后投票
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
#按照字典的值进行由大到小排序
return sortedClassCount[0][0] #返回最有可能性的类别标签
我们在计算两个向量点的距离的时候,采用的是欧式距离公式。即平方差公式。下面我们将进行实例测试,比如我们测试点(0.3,0.3)的分类
new_point = [0.3,0.3]
x.append(new_point[0])
y.append(new_point[1])
labels.append("new point({},{}):".format(new_point[0],new_point[1]) + classify0([0.3,0.3],group,labels,3))
plt.scatter(x,y)
for i in range(0,len(x)):
plt.text(x[i]+0.02,y[i],labels[i])
以上就是关于k-NN算法的手动实现了,后期有时间会在拓展写个k-d tree或者ball-tree~