最邻近规则分类(K-Nearest Neighbor)KNN算法
Cover和Hart在1968年提出了最初的邻近算法,它属于分类(classification)算法,输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)。
例子引入,对于电影类型的分类
将统一样本参数转换为坐标及类别
算法步骤
- 为了判断未知实例的类别,以所有已知类别的实例作为参照
- 选择参数K
- 计算未知实例与所有已知实例的距离
- 选择最近K个已知实例
- 根据少数服从多数的投票法则(majority-voting),让未知实例归类为K个最邻近样本中最多数的类别
怎么判断:
实验测试,那个K精确度最高选择K(一般为1、3、5、7)
计算未知实例(x1,y1)与所有实例(x,y)之间的距离,选择最佳距离,比如K=3,选择3个最近的距离;它们属于哪一类,根据少数服从多数的原则,未知实例类别与3个中多数的类别为同一类;
关于距离的衡量
使用类似几何中求距离的方法,其他距离衡量:余弦值(cos), 相关度 (correlation), 曼哈顿距离 (Manhattan distance)
举例
对于K选择不同,得到的结果不同,所以对K选择很敏感
算法优缺点
优点是简单、易于理解、容易实现、通过对K的选择可具备丢噪音数据的健壮性
缺点是需要大量空间存储所有已知实例,算法复杂度高(需要比较所有已知实例与要分类的实例)
当其样本分布不平衡时,比如其中一类样本过大(实例数量过多)占主导的时候,新的未知实例容易被归类为这个主导样本,因为这类样本实例数量过大,但这个新的未知实例实际并接近目标样本?
K(目标点比较距离点的数目)一般选择奇数(在结果使用少数服从多数);
改进版本
考虑距离,根据距离加上权重值,比如1/d(d:距离)
代码实现
#!/usr/bin/python
# coding:utf-8
"""
Time:20181022
KNNImplementation.py
算法步骤:
step.1---初始化距离为最大值
step.2---计算未知样本和每个训练样本的距离dist
step.3---得到目前K个最临近样本中的最大距离maxdist
step.4---如果dist小于maxdist,则将该训练样本作为K-最近邻样本
step.5---重复步骤2、3、4,直到未知样本和所有训练样本的距离都算完
step.6---统计K-最近邻样本中每个类标号出现的次数
step.7---选择出现频率最大的类标号作为未知样本的类标号
---------------------
原文:https://blog.csdn.net/xlm289348/article/details/8876353
版权声明:本文为博主原创文章,转载请附上博文链接!
最邻近规则分类(K-Nearest Neighbor)KNN
实例:电影类型的判断,特征:打斗、接吻
虹膜--花预测
萼片长度,萼片宽度,花瓣长度,花瓣宽度
loadDataset :加载数据集,并将数据集分为训练集和测试集
euclideanDistance:计算实例之间的最小最邻近距离
getNeighbors:训练集与测试机之间的最邻近距离
getResponse:最邻近距离降序并找出最大的最邻近距离
getAccuracy:计算训练模型的准确率
"""
import csv
import random
import math
import operator
def loadDataset(filename, split, trainingSet = [], testSet = []):
# with open(filename, 'rb') as csvfile:
with open(filename, 'rt') as csvfile:
lines = csv.reader(csvfile)
dataset = list(lines)
for x in range(len(dataset)-1):
for y in range(4):
dataset[x][y] = float(dataset[x][y])
if random.random() < split:
trainingSet.append(dataset[x])
else:
testSet.append(dataset[x])
print(testSet)
def euclideanDistance(instance1, instance2, length):
distance = 0
for x in range(length):
distance += pow((instance1[x]-instance2[x]), 2)
return math.sqrt(distance)
def getNeighbors(trainingSet, testInstance, k):
distances = []
length = len(testInstance)-1
print("len(trainingSet)", len(trainingSet))
print("trainingSet", testInstance)
# print("trainingSet", trainingSet)
for x in range(len(trainingSet)):
#testinstance
dist = euclideanDistance(testInstance, trainingSet[x], length)
distances.append((trainingSet[x], dist))
#distances.append(dist)
distances.sort(key=operator.itemgetter(1))
neighbors = []
for x in range(k):
neighbors.append(distances[x][0])
return neighbors
def getResponse(neighbors):
classVotes = {}
print("len(neighbors)", len(neighbors))
for x in range(len(neighbors)):
response = neighbors[x][-1]
print("response", neighbors[x][0])
if response in classVotes:
classVotes[response] += 1
else:
classVotes[response] = 1
# sortedVotes = sorted(classVotes.iteritems(), key=operator.itemgetter(1), reverse=True)
sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True)
return sortedVotes[0][0]
def getAccuracy(testSet, predictions):
correct = 0
print("len(testSet)", len(testSet))
for x in range(len(testSet)):
if testSet[x][-1] == predictions[x]:
# if testSet[x-1] == predictions[x]:
correct += 1
return (correct/float(len(testSet)))*100.0
def main():
#prepare data
trainingSet = []
testSet = []
split = 0.67
loadDataset(r'G:/Python/testproject1/venv1/MachineLearning/irisdata.txt', split, trainingSet, testSet)
print('Train set: ' + repr(len(trainingSet)))
print('Test set: ' + repr(len(testSet)))
print("testSet", testSet)
print("testSet[0][4]", testSet[0][4])
# python提供一种特殊操作 -1 返回最后一个数或者字符
print("testSet[0][-1]", testSet[0][-1])
print("testSet[0][4]", testSet[0][4])
#generate predictions
predictions = []
k = 3
for x in range(len(testSet)):
# trainingsettrainingSet[x]
print("x", x)
neighbors = getNeighbors(trainingSet, testSet[x], k)
result = getResponse(neighbors)
predictions.append(result)
print('>predicted=' + repr(result) + ', actual=' + repr(testSet[x][-1]))
accuracy = getAccuracy(testSet, predictions)
print('Accuracy: ' + repr(accuracy) + '%')
if __name__ == '__main__':
main()
参考:麦子学院机器学习讲义