1.K近邻分类
想要对新数据点做出预测,算法会在训练数据集中找到最近的数据点,也就是它的“最近邻”。
k-NN 算法最简单的版本只考虑一个最近邻,也就是与预测的数据点最近的训练数据点。
import mglearn
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
mglearn.plots.plot_knn_classification(n_neighbors=1)#1个最近的邻居
除了仅考虑最近邻,我还可以考虑任意个(k 个)邻居。这也是 k 近邻算法名字的来历。在考虑多于一个邻居的情况时,我们用“投票法”(voting)来指定标签。也就是说,对于每个测试点,我们数一数多少个邻居属于类别 0,多少个邻居属于类别 1。然后将出现次数更多的类别(也就是 k 个近邻中占多数的类别)作为预测结果。
import mglearn
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
mglearn.plots.plot_knn_classification(n_neighbors=3)#三个最近的邻居
完整代码
import mglearn
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
#将数据分为测试集和训练集
X, y = mglearn.datasets.make_forge()
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0)
clf = KNeighborsClassifier(n_neighbors=3)#设置三个最近的邻居
mglearn.plots.plot_knn_classification(n_neighbors=3)
clf.fit(X_train, y_train)#训练
a=clf.predict(X_test)#预测
print("Test set predictions: {}".format(a))
#用score评估模型
b=clf.score(X_test, y_test)
print("Test set accuracy: {:.2f}".format(b))
结果:
注:用pycharm会有警告,因为mglearn包版本只有0.19.2,最少要0.21+,所以本文所有代码均用jubyter运行。
2. KNeighbors分类器优缺点
优点:不需要做过多调参。
缺点:如果训练集很大(特征数很多或者样本数很大),预测速度可能会比较慢。因此,使用 k-NN 算法时,对数据进行预处理是很重要的。