01=K-近邻算法（附完整代码）

一、概述

K-近邻算法是机器学习中最简单的算法，其核心是采用测量不同特征值之间的距离来进行分类，通俗来说就是距离待分类最近的K个点来决定该分类的类别。
如图所示，求当前蓝色属于哪一类，当K=1时，该类别就是class_1；当K=3时，该类别就是class_2。

二、算法公式

K-近邻算法一般使用的欧式距离， 对应的多个特征的公式为：
$$Distance=\sqrt{\sum _{i=1}^n(x_i-y_i{)}^2}$$

• 注意：这里边$x_1,x_2\dots \dots x_n$都属于待分类的特征值。

举例说明：有四个特征，例如未知类别的特征为(1，3，5，2)，已知class_1的特征值(7，6，9，4)，class_2的特征值为(2，4，6，4)，则未知类别与已知类别之间的距离分别为：
未知类别与class_1：
$$D_1=\sqrt{(7-1{)}^2+(6-3{)}^2+(9-5{)}^2+(4-2{)}^2}=8.06$$
未知类别与class_2：
$$D_2=\sqrt{(2-1{)}^2+(4-3{)}^2+(6-5{)}^2+(4-2{)}^2}=2.64$$
那么就可以把未知类别x分类为class_2。

三、算法实现

3.1 使用自己的方法

import matplotlib.pyplot as plt
import numpy as np
from math import sqrt
from collections import Counter


def knn_classify(k, x_train_total, y_train_total, x_test):
    """
    This function is myself KNN

    Parameters
    ----------
    :param k: 选取与当前点距离最小的k个点
    :param x_train_total:已知数据特征值
    :param y_train_total:已知数据目标值
    :param x_test:未知数据特征值
    :return:未知数据目标
    """
    distances = [sqrt(np.sum((x_train - x_test)**2)) for x_train in X_train]     # 计算距离
    nearest = np.argsort(distances)                       # 返回从小到大最大值索引
    y_top = [y_train_total[i] for i in nearest[:k]]       # 取出距离最短对应的目标
    votes = Counter(y_top)                                # 对数组内的元素进行频数统计

    return votes.most_common(1)[0][0]                     # 取出出现次数最多的目标值


if __name__ == '__main__':
    # 1.构建数据
    raw_data_X = [[1.0, 1.0],
                  [1.0, 2.0],
                  [2.0, 1.0],
                  [3.0, 3.0],
                  [5.0, 4.0],
                  [6.0, 2.0],
                  [7.0, 4.0],
                  [8.0, 4.0]
                  ]
    raw_data_y = [1, 1, 1, 1, 2, 2, 2, 2]
    X_train = np.array(raw_data_X)
    y_train = np.array(raw_data_y)
    x_test = np.array([4, 3])
    # 2.计算欧式距离
    result = knn_classify(1, X_train, y_train, x_test)
    print(result)
    # 3.画图
    plt.scatter(X_train[y_train == 1, 0], X_train[y_train == 1, 1], marker='x', color='g')
    plt.scatter(X_train[y_train == 2, 0], X_train[y_train == 2, 1], marker='o', color='r')
    plt.scatter(x_test[0], x_test[1], marker=('x' if result == 1 else 'o'), color=('g' if result == 1 else'r'))
    plt.grid(True, linestyle="--", alpha=0.5)
    plt.axis([0, 9, 0, 5])
    plt.show()

3.2 使用sklearn

from sklearn.neighbors import KNeighborsClassifier
import numpy as np
import matplotlib.pyplot as plt


def main():
    # 1.构建数据
    raw_data_X = [[1.0, 1.0],
                  [1.0, 2.0],
                  [2.0, 1.0],
                  [3.0, 3.0],
                  [5.0, 4.0],
                  [6.0, 2.0],
                  [7.0, 4.0],
                  [8.0, 4.0]
                  ]
    raw_data_y = [1, 1, 1, 1, 2, 2, 2, 2]
    X_train = np.array(raw_data_X)
    y_train = np.array(raw_data_y)
    x_test = np.array([4, 3])

    # 2.构建Knn实例
    Knn_Classifier = KNeighborsClassifier(n_neighbors=1)
    # 3.拟合
    Knn_Classifier.fit(X_train, y_train)
    # 4.预测,传入
    predict = Knn_Classifier.predict(x_test.reshape(1, -1))
    print(predict[0])
    # 5.画图
    plt.scatter(X_train[y_train == 1, 0], X_train[y_train == 1, 1], marker='x', color='g')
    plt.scatter(X_train[y_train == 2, 0], X_train[y_train == 2, 1], marker='o', color='r')
    plt.scatter(x_test[0], x_test[1], marker=('x' if predict[0] == 1 else 'o'), color=('g' if predict[0] == 1 else'r'))
    plt.grid(True, linestyle="--", alpha=0.5)
    plt.axis([0, 9, 0, 5])
    plt.show()


if __name__ == '__main__':
    main()

四、结果

K=1时（注意（4，3）这个点）：

K=3时（注意（4，3）这个点）：