机器学习实战01：k邻近算法

最新推荐文章于 2020-09-15 11:00:17 发布

Evil

最新推荐文章于 2020-09-15 11:00:17 发布

阅读量216

点赞数

分类专栏：机器学习实战文章标签：机器学习实战01：k邻近算法

本文链接：https://blog.csdn.net/weixin_45398231/article/details/103093150

版权

机器学习实战专栏收录该内容

9 篇文章 0 订阅

订阅专栏

- KNN的工作原理
存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

- 算法的一般流程
(1) 收集数据：可以使用任何方法。
(2) 准备数据：距离计算所需要的数值，最好是结构化的数据格式。
(3) 分析数据：可以使用任何方法。
(4) 训练算法：此步骤不适用于k-近邻算法。
(5) 测试算法：计算错误率。
(6) 使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。

- 示例1：使用 k-近邻算法改进约会网站的配对效果

海伦一直使用在线约会网站寻找适合自己的约会对象，发现曾交往过三种类型的人：

不喜欢的人
魅力一般的人
极具魅力的人

海伦希望

直接筛选掉不喜欢的人
周一至周五约会魅力一般的人
周末约会极具魅力的人

1、准备数据

海伦收集约会数据已经有了一段时间，每个样本数据占据一行，总共有1000行。海伦的样本主要包含以下3种特征：

每年获得的飞行常客里程数
玩视频游戏所耗时间百分比
每周消费的冰淇淋公升数

转换数据格式，使函数的输入为文件名字符串，输出为训练样本矩阵和类标签向量

def file2matrix(filename):
    fr = open(filename)
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
    index = 0
    for line in arraryOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index +=1
    return returnMat,classLabelVector

2、分析数据

使用matplotlib绘制原始数据的散点图

import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2])
plt.show()

3、归一化特征值

def autonorm(dataset
   minvals dataset min(0)
    maxvals =dataset. max(0)
    ranges= maxvals-minvals
    normdataset=zeros(shape(dataset))
    m= dataset.shape [O]
    normdataset=dataset -tile(minvals, (m, 1)
    normDateSet = normdataSet/tile(ranges, (m, 1))
    return normdataset, ranges, minvals