【深度学习】KNN算法学习

一.定义

KNN（K-Nearest Neighbor）算法，意思是K个最近的邻居。K个最近邻居，毫无疑问，K的取值肯定是至关重要的。

其实，IKNN的原理就是当预测一个新的值x的时候，需要根据它距离最近的K个点是什么类别来判断x属于哪个类别。

图中绿色的点就是我们要预测的那个点，假设K=3。

那么KNN算法就会找到与它距离最近的三个点（这里用圆圈把它圈起），看看哪种类别多一些。

上图范围内，绿色方块对应的就是蓝三角。

二.KNN计算

1.计算距离（欧几里得距离或者马氏距离）

2.升序排列

对所有点的距离进行一个升序排列。

3.取前K个

 K的取值是十分重要的，应该合理科学结合有关数据去取K的值。

K太大：导致分类模糊

K太小：受个例影响，波动较大

4.加权平均去看那个点距离更近

三.KNN算法实战

病人的数据分析

 1.读取数据

import csv
import random
#读取数据
with open(".\Prostate_Cancer.csv","r") as f:
render = csv.DictReader(f)
datas = [row for row in render]

2.分组，打乱数据 （减小数据的偶然性，增加数据的随机性）

random.shuffle(datas)
n = len(datas)//3
test_data = datas[0:n]
train_data = datas[n:]
# print(train_data[e])
# print (train_data[e]["id"])

3.计算对应距离

def distance(x, y):
    res = 0
    for k in ("radius","texture","perimeter","area",
    "smoothness","compactness","symmetry","fractal_dimension")
    :
        res +=(float(x[k])-float(y[k]))**2
    return res ** 0.5

#K=6
def knn(data,K):


#1.计算距离
    res = [
       {"result":train["diagnosis_result"],
        "distance":distance(data,train)}
        for train in train_data
]

    
#2.排序
sorted(res,key=lambda x:x["distance"])
# print(res)


#3.取前K个
result = res[0:K]


#4.加权平均
result = {"B":0,"M":0}


#4.1总距离
sum = 0
for r in res2:
    sum += r["distance"]


#4.2计算权重
for r in res2:
    result[r['result']] += 1-r["distance"]/sum
 

#4.3得出结果
if result['B'] > result['M']:
     return "B"
else:
     return "M"

4.预测结果和真实结果对比，计算准确率

for k in range(I,10):
    correct = 0
    for test in test_data:
        result = test["diagnosis_result"]
        result2 = knn(test,k)
        if result == result2:
            correct += 1
    print("k="+str(k)+"时,准确率{:.2f}%".format(100*correct/
    len(test_data)))

四.总结

KNN方法在类别决策时，只与极少量的相邻样本有关。由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合。

KNN方法思路简单，易于理解，易于实现，无需估计参数。