例子(电影分类):
电影名称 | 打斗次数 | 接吻次数 | 电影类型 |
California Man
| 3 | 104 | Romance |
He’s Not Really into Dudes
| 2 | 100 | Romance |
Beautiful Woman
| 1 | 81 | Romance |
Kevin Longblade
| 101 | 10 | Action |
Robo Slayer 3000
| 99 | 5 | Action |
Amped II
| 98 | 2 | Action |
未知 | 18 | 90 | Unknown |
这个数据用打斗次数和接吻次数来界定电影类型,接吻多的是Romance类型的,而打斗多的是动作电影。现在有一部名字未知的电影,打斗次数为18次,接吻次数为90次的电影(这里名字未知是为了防止能从名字中猜出电影类型),它到底属于哪种类型的电影呢?
# -*- coding: utf-8 -*-
"""
Created on Wed Aug 17 18:57:36 2016
@author: aijun
"""
import numpy as np
from sklearn import neighbors
knn = neighbors.KNeighborsClassifier() #取得KNN分类器
#data对应着打斗次数和接吻次数
data = np.array([[3, 104], [2, 100], [1, 81], [101, 10], [99, 5], [98, 2]])
#labels则是对应Romance和Action
labels = np.array([1,1,1,2,2,2])
#导入数据进行训练
knn.fit(data, labels)
#预测
knn.predict([18, 90])
knn.predict([100, 2])
array([1])
array([2])
说明:
首先,用labels数组中的1和2代表Romance和Aciton,因为sklearn不接受字符数组作为标志,只能用1,2这样的int型数据来表示,后面处理可以将1和2映射到Romance和Action上来。fit则是用data和labels进行训练,data对应的是打斗次数和接吻次数构成的向量,称之为特征向量。labels则是这个数据所代表的电影所属的类型。调用predict 进行预测,将未知电影的特征向量代入,则能分析出该未知电影所属的类型。此处计算结果为1,也就是该未知电影属于Romance,和直觉相符。
问题是:在这个例子中,k是多少呢?