1 什么是KNN
KNN英文全称:K-Nearest Neighbors。顾名思义,这是一种利用K个近邻来做预测的算法。古语有云,“物以类聚人以群分”,你周围大部分是什么样的人,那么你大概率也会是同样的人。
样本预测也是类似。我们计算待预测样本与已知样本数据之间的距离,然后根据已知样本数据的类别来估计带预测样本的类别。这就是KNN算法的核心了。
是不是很简单?下面让我们来看一个例子。
如下图所示,假设我们要预测某人面试是否能够拿到offer。那么我们已经拥有一些数据,记录了候选人的工作年限、薪资和是否拿到了offer的情况。给定一条新样本数据预测这个候选人是否能够拿到offer。应该怎么做呢?
思路很简单。大致分以下几步。
Step1.计算待预测样本和已知样本点之间的距离。
Step2.选出和带预测样本点距离最近的k个样本点。
Step3.统计这k个样本点的所属的类别标签。标签数最多的那个类别,就是带预测样本的类别。
from sklearn import datasets
from collections import Counter # 为了做投票
from sklearn.model_selection import train_test_split
import numpy as np
# 导入iris数据
iris = datasets.load_iris()
X = iris.data
y = iris.target
# 划分训练集和测试集
X_train, X_