【KNN回归】
学习课程:B站【超实用】Python实现机器学习算法(全) BV1V7411P7wL
数据集:鸢尾花数据集(Iris.csv)
import numpy as np
import pandas as pd
# 读取鸢尾花数据集,header参数来指定标题的行,默认为0,如果没有标题,则使用None
data=pd.read_csv(r"C:/Users/DELL/Desktop/Iris.csv")
# 使用花萼长度、花萼宽度、花瓣长度来预测花瓣宽度
# 删除不需要的species列(特征),按列删除
data.drop(["species"],axis=1,inplace=True)
# 删除重复记录
data.drop_duplicates(inplace=True)
# 定义KNN的类
class KNN:
"""使用python语言实现KNN算法(回归预测)
该算法用于回归预测,根据前3个特征属性,寻找最近的k个邻居,然后再根据k个邻居的第4个特征
属性,预测当前样本的第4个特征值
"""
def __init__(self,k):
"""初始化方法
parameters
----
k:int 表示邻居的个数
"""
self.k=k
def fit(self,X,y):
"""训练方法
parameters
----
X:类数组类型,形状为:{样本数量,特征数量}
待训练的样本特征(属性)
y:类数组类型,形状为:{样本数量}
每个样本的目标值(标签)
"""
## 将X转换成ndarray数据类型
self.X=np.asarray(X)
self.y=np.asarray(y)
def predict(self,X):
"""根据参数传递的样本,对样本数据进行预测
parameters
----
X:类数组类型,形状为:{样本数量,特征数量}
待训练的样本特征(属性)
returns
----
result:数组类型
预测的结果
"""
X=np.asarray(X)
result=[];
# 对ndarray数组进行遍历,每次取数组中的一行
for x in X:
# 对于测试集中的每一个样本,依次与训练集中的所有样本求距离
dis=np.sqrt(np.sum((x-self.X)**2,axis=1))
# 返回数组排序后,每个元素在原数组(排序之前的数组)中的索引
index=dis.argsort()
# 进行截断,只取前k个元素(取距离最近的k各元素的索引)
index=index[:self.k]
# 计算均值,然后加入到结果列表当中
result.append(np.mean(self.y[index]))
return np.asarray(result)
def predict2(self,X):
"""根据参数传递的样本,对样本数据进行预测(考虑权重)
权重的计算方式:每个节点(每个邻居)距离的倒数/所有节点(所有邻居)的距离倒数之和
parameters
----
X:类数组类型,形状为:{样本数量,特征数量}
待训练的样本特征(属性)
returns
----
result:数组类型
预测的结果
"""
X=np.asarray(X)
result=[];
# 对ndarray数组进行遍历,每次取数组中的一行
for x in X:
# 对于测试集中的每一个样本,依次与训练集中的所有样本求距离
dis=np.sqrt(np.sum((x-self.X)**2,axis=1))
# 返回数组排序后,每个元素在原数组(排序之前的数组)中的索引
index=dis.argsort()
# 进行截断,只取前k个元素(取距离最近的k各元素的索引)
index=index[:self.k]
# 计算所有节点的距离倒数之和,注意最后加上一个很小的值,为了避免除数为零的情况
s=np.sum(1/(dis[index]+0.001))
# 使用每个节点距离的倒数,除以倒数之和,得到权重
weight=(1/(dis[index]+0.001))/s
# 使用邻居节点的标签值,乘以对应的权重,然后相加,得到最终的预测结果
result.append(np.sum(self.y[index]*weight))
return np.asarray(result)
# 测试与训练
t=data.sample(len(data),random_state=0)
train_X=t.iloc[:120,:-1]
train_y=t.iloc[:120,-1]
test_X=t.iloc[120:,:-1]
test_y=t.iloc[120:,-1]
knn=KNN(k=3)
knn.fit(train_X,train_y)
result=knn.predict(test_X)
display(result)
display(np.mean((result-test_y)**2))
display(test_y.values)
# 考虑权重的结果
result2=knn.predict2(test_X)
display(np.mean((result2-test_y)**2))
# 可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.family"]="SimHei"
mpl.rcParams["axes.unicode_minus"]=False
plt.figure(figsize=(10,10))
# 绘制预测值
plt.plot(result,"ro-",label="预测值")
# 绘制真实值
plt.plot(test_y.values,"go-",label="真实值")
plt.title("KNN连续值预测展示")
plt.xlabel("节点序号")
plt.ylabel("花瓣宽度")
plt.legend()
plt.show()