目录:
一、特点
二、相关概念
三、数据归一化
四、K邻近算法的实现
一、特点
(1)思想极度简单
(2)应用数学知识少
(3)效果好
(4)可以解释机器学习算法使用过程中的很多细节问题
(5)更完整的刻画机器学习应用的流程
二、相关概念
1、欧拉距离:
2、曼哈顿距离:
3、明可夫斯基距离(p是一个超参数):
4、
(1)K近邻算法是非常特殊的,可以被认为是没有模型的算法。
(2)为了和其他算法统一,可以认为训练数据集就是模型本身。
5、、分类的准确度:accuracy
6、、
(1)超参数:在算法运行前需要决定的参数
(2)模型参数:算法过程中学习的参数
(3)KNN算法没有模型参数
(4)KNN算法中的K 就是典型的超参数
三、数据归一化
(1)最值归一化:把所有数据映射到0-1之间
(2)最值归一化适用于分布有明显边界的情况,受outlier(边界)影响较大
(3)均值方差归一化:把所有数据归一到均值为0方差为1 的分布中
(4)均值方差归一化适用于分布没有明显边界的情况,即可能存在极端数据值
四、K邻近算法的实现
import numpy as np
import matplotlib.pyplot as plt
from math import sqrt
from collections import Counter
raw_data_x=[[3.393533211, 2.331273381],
[3.110073483, 1.781539638],
[1.343808831, 3.368360954],
[3.582294042, 4.679179110],
[2.280362439, 2.866990263],
[7.423436942, 4.969522875],
[5.745051997, 3.533989803],
[9.172168622, 2.511101045],
[7.792783481, 3.424088941],
[7.939820817, 0.791637231]
]
raw_data_y=[0,0,0,0,0,1,1,1,1,1]
x_train=np.array(raw_data_x)
y_train=np.array(raw_data_y)
X=np.array([8.093607318,3.365731514])
#绘制散点图
plt.scatter(x_train[y_train==0,0],x_train[y_train==0,1],color='g')
plt.scatter(x_train[y_train==1,0],x_train[y_train==1,1],color='r')
plt.scatter(X[0],X[1],color='b')
plt.show()
#找到最邻近的点
distances=[sqrt(np.sum((x_train-X)**2)) for x_train in x_train]
nearest=np.argsort(distances)
k=6
topk_y=[y_train[i] for i in nearest[:k]]
#计算不同点的个数
votes=Counter(topk_y)
#找到票数最多的点
votes.most_common(1)
#找到预测的值
predict_y=votes.most_common(1)[0][0]