【机器学习实战】K-近邻算法
k近邻算法采用测量不同特征值之间的距离方法进行分类。
优点: 精度高、对异常值不敏感、无数据输入假定。
缺点: 计算复杂度高、空间复杂度高。
适用数据范围: 数值型和标称型
k-近邻算法(KNN)
工作原理: 存在一个样本数据集合,也称作训练样本集,样本集合中每个数据都存在标签,即我们知道样本集中每个数据与所属分类的对应关系。输入没有标签的新数据后,新数据的每个特征与样本数据集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
k-近邻算法函数代码
最关键的就是距离的计算,下面是使用欧氏距离来进行距离划分的k-近邻算法代码:
def classify0(inx, dataset, labels, k):
'''
:param inx: 未知标签数据特征
:param dataset: 样本数据
:param labels: 样本标签
:param k: k近邻取值
:return: 判断标签值
'''
# 距离计算
datasetSetSize = dataset.shape[0]
diffMat = tile(inx, (datasetSetSize, 1)) - dataset
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distance = sqDistances ** 0.5
# 距离排序
sortedDistIndicies = distance.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
sorteClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
return sorteClassCount[0][0]
欧式距离计算公式:
d
=
(
x
A
0
−
x
B
0
)
2
+
(
x
A
1
−
x
B
1
)
2
d = \sqrt{(xA_0-xB_0)^2+(xA_1-xB_1)^2}
d=(xA0−xB0)2+(xA1−xB1)2
根据欧氏距离选取k个最邻近的,看中k个最邻近的里面那些标签类别数量多,最多的那个就是k近邻的结果。
简单的k近邻算法完整代码
from numpy import *
import operator
# 创建数据和标签
def createDataset():
group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])
labels = ['A', 'A', 'B', 'B']
return group, labels
# 验证创造数据函数
# group, labels = createDataset()
# print("group:", group)
# print("labels:", labels)
def classify0(inx, dataset, labels, k):
'''
:param inx: 未知标签数据特征
:param dataset: 样本数据
:param labels: 样本标签
:param k: k近邻取值
:return: 判断标签值
'''
# 距离计算
datasetSetSize = dataset.shape[0]
diffMat = tile(inx, (datasetSetSize, 1)) - dataset
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distance = sqDistances ** 0.5
# 距离排序
sortedDistIndicies = distance.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
sorteClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
return sorteClassCount[0][0]
group, labels = createDataset()
# 返回预测结果
print(classify0([0, 0], group, labels, 3))