第L4周：机器学习｜K-近邻算法模型

• 本文为🔗365天深度学习训练营 中的学习记录博客
• 原作者：K同学啊

任务：
●1. 学习本文的K-邻近算法
●2. 了解 KNeighborsClassifier 函数

一、基本概念

商业哲学家 Jim Rohn 说过一句话，“你，就是你最常接触的五个人的平均。”那么，在分析一个人时，我们不妨观察和他最亲密的几个人。同理的，在判定一个未知事物时，可以观察离它最近的几个样本，这就是KNN（k-近邻）算法。

K-近邻算法是一种基本分类和回归方法。

K-近邻算法，即是给定一个训练数据集，输入一个新的实例，在训练数据集中找到与该实例最邻近的K个实例，这K个实例主要是哪一类别，那么就把该实例分类到这个类中。引用维基百科上的一幅图：

蓝色方块与红色三角形为训练集中的实例，绿色小圆是新输入的实例，现在在现有实例中取K个离小绿圆最近实例用于判断其类别。

●当K=3时，所取实例在实线圆内，红三角占比最大，将新输入实例归为红三角一类。
●当K=5时，所取实例在虚线圆内，蓝方块占比最大，将新输入实例归为蓝方块一类。

在KNN中存在两个重要问题，一个是K的取值问题，一个是距离计算问题，这里先不做讨论，仅仅引入KNN这个概念，明白它是一个什么东西，在后面文章中我们再对这两个问题进行深入讨论。下文将通过sklearn包来实现KNN。

二、代码实现

我的环境：
●语言环境：Python3.9
●编译器：Jupyter Lab

1.问题简介

背景： 海伦一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的人选，但她没有从中找到喜欢的人。经过一番总结，她发现曾交往过三种类型的人：

●①不喜欢的人；
●②魅力一般的人；
●③极具魅力的人。

她现在总结好的数据中（即训练集）包含三种特征：

●①每年获得的飞行常客里程数。
●②玩视频游戏所耗时间百分比。
●③每周消费的冰淇淋公升数。

她希望根据现有的数据来判断一个陌生男人会被她归到哪一类。

2.导入数据

数据标签详解：

●0：每年获得的飞行常客里程数。
●1：玩视频游戏所耗时间百分比。
●2：每周消费的冰淇淋公升数。
●3：人物类别（不喜欢的人、魅力一般的人、极具魅力的人）。

import pandas as pd

data=pd.read_table('./L4/datingTestSet2.txt',
                   sep='\t',
                   header=None)

data

	0	1	2	3
0	40920	8.326976	0.953952	3
1	14488	7.153469	1.673904	2
2	26052	1.441871	0.805124	1
3	75136	13.147394	0.428964	1
4	38344	1.669788	0.134296	1
...	...	...	...	...
995	11145	3.410627	0.631838	2
996	68846	9.974715	0.669787	1
997	26575	10.650102	0.866627	3
998	48111	9.134528	0.728045	3
999	43757	7.882601	1.332446	3

1000 rows × 4 columns

X = data.iloc[:,:3]
y = data.iloc[:,3]

3.将数据集分成训练集和测试集

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, 
                                                    test_size=0.25, 
                                                    random_state=3)

4.K-邻近算法模型

from sklearn.neighbors import KNeighborsClassifier

knc = KNeighborsClassifier()
knc.fit(X_train, y_train)

5. 结果预测

data["预测结果"] = knc.predict(data.iloc[:,:3])
data.head(10)

	0	1	2	3	预测结果
0	40920	8.326976	0.953952	3	3
1	14488	7.153469	1.673904	2	2
2	26052	1.441871	0.805124	1	3
3	75136	13.147394	0.428964	1	1
4	38344	1.669788	0.134296	1	3
5	72993	10.141740	1.032955	1	1
6	35948	6.830792	1.213192	3	3
7	42666	13.276369	0.543880	3	3
8	67497	8.631577	0.749278	1	1
9	35483	12.273169	1.508053	3	3

6. 模型评分

scoreK = knc.score(X_test,y_test)

print(scoreK)

代码输出：

0.796