近朱者赤,近墨者黑,是有一定道理的。我们为人处世的潜意识,通常告诉我们,一个人与众多成功者(比如马云)在一起,谈笑风生、指点江山,我们会认为,这个人很可能是个成功者;如果一个人在跟北海道大街上成天跟几个混混厮混一起,招摇过市,欺男霸女,我们通常认为,这个人很差劲!
K-近邻算法就是这样的一种算法。具体是,通过寻找测试对象Obj最近的K个样本对象,假设K=4,经过计算,与Obj最近的4个对象集合所属类别为,K_Set=[A, B, B, B],A:1次,B:3次,我们判定Obj测试对象属于类别B。
一、k-近邻算法的原理
KNN 属于有监督的分类算法,也就是说,KNN 是通过 有标签 的样本集进行训练,并通过样本集数据对测试对象进行 分类 的算法。
KNN 的原理也很简单,通过选取样本集中 K 个离测试对象最近的样本,然后根据这 K 个样本的类型对测试对象进行分类。这也是算法名称中 K 的来历。
通过算法的原理我们也可以了解到,实现 KNN 算法的关键在于:样本集、距离的计算、K 值的选取。
二、距离计算
计算距离通常可以使用距离平方和
或者欧几里得距离
曼哈顿距离计算公式
这里使用欧几里得距离。
三、K-近邻算法特点
K-近邻特点分为优点与缺点:
优点:
简单易实现,分类精度高,异常值不敏感,没有假设条件;
缺点:
计算时间复杂度高、空间复杂度高;
分类结果受到学习样本分布均衡性影响较大;
四、K-近邻算法的实现
K-近邻算法实现很简单:
计算待分类对象到所有样本的最近K个距离;
K个距离对于K个点,也对应K个类别;
找出类别出现次数最多的的类别,记为该测试对象的类别;
Python代码
import numpy as np
import matplotlib.pyplot as plt
def create_dataset():
group = np.array([
[1.0,1.1]
, [0, 0]
, [1.1, 0.9]
, [1.3, 1.1]
, [1.0, 1.0]
, [0,0.1]
, [0.1, 0.5]
])
labels = ['A', 'A', 'A', 'A', 'B', 'B', 'B']
return group, labels
def classify0(inX, dataset, labels, k):
dataset_size = dataset.shape[0]
diff = np.tile(inX, (dataset_size, 1)) - dataset
sqrt_diff = diff ** 2
dist = (sqrt_diff.sum(axis=1)) ** 0.5
print('距离 -> ', dist)
sort_dist = dist.argsort()
print('距离排序下标 ->', sort_dist)
class_count = {}
for i in range(k):
vote_label = labels[sort_dist[i]]
class_count[vote_label] = class_count.get(vote_label, 0) + 1
sorted_class_count = sorted(class_count.items(), key=lambda item: item[1], reverse=True)
return sorted_class_count, sorted_class_count[0][0]
if __name__ == '__main__':
obj = np.array([1.1, 0.8])
group, labels = create_dataset()
# A 类
plt.scatter(group[0:3, 0], group[0:3, 1], c='b', s=300, alpha=0.5)
# B 类
plt.scatter(group[4:, 0], group[4:, 1], c='r', s=400, alpha=0.5)
# 测试对象
plt.scatter(obj[0], obj[1], c='g', s=500, alpha=0.5)
plt.show()
result, clas = classify0(obj, group, labels, 3)
print('结果 ->', result, clas)
结果
距离 -> [0.31622777 1.36014705 0.1 0.36055513 0.2236068 1.30384048
1.04403065]
距离排序下标 -> [2 4 0 3 6 5 1]
结果 -> [('A', 2), ('B', 1)] A
代码中约定:蓝色:A类,红色:B类,绿色:待分类对象。
结果:
('A', 2), ('B', 1),待预测对象属于A类。
猜你可能喜欢