K近邻算法(KNN)
定义:
如果一个样本在特征空间中的K个最相似的样本中的大多数属于某个类别,则该样本也属于这个类别。最相似即特征空间中的最近邻。
相似度度量:
欧式距离:即计算法每个特征之间的距离,计算公式如下:
算法直观理解:
在已有样本中找到与当前样本距离最近的k个样本,然后以者k个样本的类别进行投票,看当前样本属于哪个类别。
算法评价
优点:
简单,易理解和实现,无需估计参数,无需训练
缺点:
算法开销随数据量增大而增大,且k值为超参数,需手动调整
sklearn k近邻API
from sklearn.neighbors import KNeighborsClassifier
# 预测实例
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler
def knn_classifier():
"""加载数据集"""
data = datasets.load_iris()
"""划分数据集"""
x_train,x_test,y_train,y_test = train_test_split(\
data.data,data.target,test_size=0.25)
"""特征工程"""
# 标准化
sds = StandardScaler()
x_train = sds.fit_transform(x_train)
x_test = sds.transform(x_test)
"""估计器"""
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(x_train,y_train)
print("准确率={0:.2f}".format(knn.score(x_test,y_test)))
print(data.target_names[knn.predict([[5,4,3,2]])])
"""
# 交叉验证和网格搜索
knn = KNeighborsClassifier()
gc = GridSearchCV(knn,param_grid={"n_neighbors":[1,3,5,7,9]},cv=10)
gc.fit(x_train,y_train)
print("准确率:",gc.score(x_test,y_test))
print("最高准确率:",gc.best_score_)
print("最好模型:",gc.best_estimator_)
print("交叉验证结果:",gc.cv_results_)
"""