KNN 算法,或者称 k最邻近算法,是 有监督学习 中的 分类算法 。它可以用于分类或回归问题,但它通常用作分类算法。
一、KNN算法的原理:
找到K个与新数据最近的样本,取样本中最多的一个类别作为新数据的类别。
二、算法思想:
对于任意n维输入向量,分别对应于特征空间中的一个点,输出为该特征向量所对应的类别标签或预测值。
三、K值的选择
KNN算法中,K值的选择直接影响到最终模型的效果,K越小越容易过拟合,K越大越容易欠拟合,另外在选取时最好选取奇数,防止出现随机选择的情况。
此处扩展过拟合与欠拟合的概念:
欠拟合:模型在训练集上无法获取足够的筛选条件,也就是说没法学习到数据背后的规律
过拟合:模型在训练集和测试集上表现差距过大,只能呆板识别数据集固定特征,泛化能力差。
四、算法的优缺点:
优点
1.简单易实现
2.对于边界不规则的数据效果较好
缺点:
1.只适合小数据集。预测新数据需要使用全部数据集,耗费时间和算力
2.数据不平衡效果不好。
3.必须要做数据标准化。
4.不适合特征维度过多的数据。
五、鸢尾花数据集KNN算法演示
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import numpy as np
# 读取鸢尾花数据 load_iris()鸢尾花数据集
data = load_iris()
x = data['data']
y = data['target']
# 划分训练集和数据集 test_size表示测试集的大小按比例划分
# array是列表,数组,矩阵或是pandas数据框
# random_state随机数的种子若为none生成的数据随机,为整数每次生成的数据都相同
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.2, random_state=0)
# 模型训练
# KNeighborsClassifier()是sklearn中的KNN算法函数,n_neighbors代表K值
model = KNeighborsClassifier(n_neighbors=3)
# model.fit()将训练数据在模型中训练一定次数
# 返回一个History的对象,即记录了loss和其他指标的数值随epoch变化的情况
model.fit(x_train, y_train)
# #模型预测,输入测试集,输出预测结果
y_pred = model.predict(x_test)
# 模型评估
# 统计数组中非零元素的个数,计算预测正确率
correct_pred = np.count_nonzero(y_pred == y_test)
accuracy = correct_pred / len(y_test)
print("准确率为:" + str(accuracy))