kNN算法的基本思想
(1)测量不同特征值之间的距离进行分类,具体表述为对于一个训练样本集中每一个数据对应 一个标签,输入一个没有标签的新数据后,将新数据的每个特征与样本集中对应的特征进行比较,利用算法提取样本集中最相似数据的分类标签,通常选择样本数据集中前k个最相似的数据。
(2)优点:精度高,对异常值不敏感,无数据输入假定
(2)缺点:计算复杂度高、空间复杂度高
kNN 算法的实现过程
(1)收集数据:数据类型为数值型和标称型(一般使用公开的数据源)
(2)准备数据:距离计算所需要的数值,最好是结构化的数据形式(确保数据格式符合要求)
(3)分析数据:人工分析以前的数据,查看数据是否存在空值,或者异常值等(确保数据集中没有垃圾数据)
(4)测试算法:计算错误率
(5)使用算法:首先需要输入样本数据和结构化的输出结果,然后运行kNN算法判定输入数据属于那个分类,最后应用对计算出的分类执行后续处理
编写程序:
(1)Python导入程序:工具包导入NumPy科学计算包,运算符模块operator,创建数据集
(2)KNN分类算法实现:
a.计算已知类别的点与当前点的距离,一般采用欧式距离公式,计算两个向量点之间的距离
b.按照距离递增次序排序
c.选取距离最小的前k个点
d.确定前k个点所在类别出现的频率
e.返回前看个点出现频率最高的类别作为当前点的预测分类
from numpy import *
import operator
from os import listdir #给定目录的文件名
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort()
classCount={}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) +