KNN算法

1、kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。
最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。这种方式有一个明显的缺点，那就是很可能无法找到完全匹配的训练记录。

kNN算法则是从训练集中找到和新数据最接近的k条记录，然后根据他们的主要分类来决定新数据的类别。该算法涉及3个主要因素：训练集、距离或相似的衡量、k的大小。

下面通过一个简单的例子来看下

通过KNN算法算出唐人街探案是属于哪种类型的电影

过程：

（1）在进行KNN算法之前需要先进行数据清洗，如异常值，野值等会干扰结论（本案例数据较少可不用进行数据清洗）

（2）计算每个样本和新样本的相似度

公式：d= √(x-x1)^2+(x-x2)^2+(x-x3)^2

（3）对数据以相似度进行顺序排序

（3）选取k值，根据样本数据数量的大小取k值，本案中可取k=5，然后取5个样本数据中最多的标签（取众数）

代码如下

import pandas as pd
import numpy as np
data = pd.read_excel(r'C:\Users\Administrator\Desktop\电影分类数据.xlsx',encoding='gbk')
print(data.columns)
# 计算与表中每个电影的相似度并插入表中'相似性'字段
data['相似度'] = np.sqrt((data.columns[7]-data['搞笑镜头'])**2+(data.columns[8]-data['拥抱镜头'])**2+(data.columns[9]-data['打斗镜头'])**2)
# 对表中的数据以相似性进行顺序排序
data.sort_values(by='相似度',inplace=True)
print(data)
result = data['电影类型'].head()
print('{}属于'.format(data.columns[6]),result.mode()[0])

运行结果：

E:\Anaconda3\python.exe E:/Project/人工智能/day-05