机器学习（三）KNN回归

基于KNN 算法，实现对于鸢尾花第四个数据的预测

原理

该算法用于回归预测，根据前三个特征属性，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，去预测当前样本的第4个特征值

数据集的准备和处理

• 删除数据中不需要的类别列和重复的数据

data = pd.read_csv(r"iris.arff.csv", header=0)
#删除不需要class列（特征）, 因为进行回归预测 ，类别信息，没有用处了
data.drop(["class"],axis = 1, inplace = True)
#删除重复的记录
data.drop_duplicates(inplace = True)
data

• 将数据集打乱并分为训练集和测试集

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类的实现

class KNN:
    '''使用Python实现K近邻算法（回归预测）
    该算法用于回归预测，根据前三个特征属性，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，去预测当前样本的第4个特征值
    '''
    
    def __init__(self,k):
        '''初始化方法
        Parameters
        -----
        k:int
            邻居个位数
        '''
        self.k = k
    
    def fit(self, X, y):
        '''训练方法
        
        Parameeters
        -----
        X: 类数组类型(特征矩阵)，可以是List也可以是Ndarray，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，y转换为ndarray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，可以是List也可以是Ndarray，形状为： [样本数量,特征数量]
        待测试的样本特征（属性）
        Returns:
        -----
        result :
        数组类型，预测结果
        
        '''
        #转换为数组类型
        X = np.asarray(X)
        #保存预测的结果值
        result = []
        #对ndarray数组进行遍历，每次取数组中的一行
        for x in X:
            #计算距离 （计算与训练集中每个X的距离）
            dis = np.sqrt(np.sum((x - self.X) ** 2, axis = 1))
            #返回排序后,每个元素在原数组(排序之前的数组) 中的索引
            index = dis.argsort()
            #进行截取，只取前k个元素 (取距离最近的k个元素的索引)
            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.array(result)

显示预测结果并与测试值对比

knn = KNN(k = 3)
knn.fit(train_X,train_y)
result = knn.predict(test_X)
display(result)
np.mean(np.sum((result - test_y) ** 2))
display(test_y.values)

array([1.33333333, 2.        , 1.2       , 1.26666667, 1.93333333,
       1.16666667, 2.16666667, 0.36666667, 1.9       , 1.4       ,
       1.2       , 0.16666667, 1.93333333, 2.26666667, 1.73333333,
       0.13333333, 1.03333333, 1.3       , 1.83333333, 1.23333333,
       0.16666667, 0.23333333, 0.16666667, 2.03333333, 1.2       ,
       1.8       , 0.2       ])
array([1.5, 1.8, 1. , 1.3, 2.1, 1.2, 2.2, 0.2, 2.3, 1.3, 1. , 0.2, 1.6,
       2.1, 2.3, 0.3, 1. , 1.2, 1.5, 1.3, 0.2, 0.4, 0.1, 2.1, 1.1, 1.5,
       0.2])

预测结果可视化展示

#预测结果可视化展示
import matplotlib as mpl
import matplotlib.pyplot as plt
#设置画布的大小
plt.figure(figsize=(20,10))
#默认情况下，matplotlib不支持中文显示，设置支持中文

#设置字体为黑体，以支持中文显示
mpl.rcParams["font.family"] = "SimHei"
#设置在中文字体时，能够正常的显示负号（-）
mpl.rcParams["axes.unicode_minus"] = False

#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")
#设置折线图参数
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()

样本预测加入权重计算

• 权重计算公式

$$w=\frac{该节点距离的倒数}{所有K邻近节点距离的的倒数和}$$

• 权重均值公式

$$c=w_1\cdot y_1+w_2\cdot y_2+...+w_k\cdot y_k$$

• 对KNN类中的predict进行改写

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)
        
        权重计算方式：使用每个节点（邻居）距离的倒数 /所有节点（邻居）距离的倒数之和
        Parameters:
        -----
        X: 类数组类型，可以是List也可以是Ndarray，形状为： [样本数量,特征数量]
        待测试的样本特征（属性）
        Returns:
        -----
        result :
        数组类型，预测结果
        
        '''
        #转换为数组类型
        X = np.asarray(X)
        #保存预测的结果值
        result = []
        #对ndarray数组进行遍历，每次取数组中的一行
        for x in X:
            #计算距离 （计算与训练集中每个X的距离）
            dis = np.sqrt(np.sum((x - self.X) ** 2, axis = 1))
            #返回排序后,每个元素在原数组(排序之前的数组) 中的索引
            index = dis.argsort()
            #进行截取，只取前k个元素 (取距离最近的k个元素的索引)
            index = index[:self.k]
            #求所有邻居节点的倒数之和
            s = np.sum(1 / dis[index] + 0.001) #最后加上一个很小的值（0.001），为了避免除数为0的情况
            #求每个节点的权重  （每个节点的倒数 / 倒数之和 得到权重）
            weight = 1 / (dis[index] + 0.001) / s
            #计算权重均值，然后加入到结果列表当中。
            result.append(np.sum(self.y[index] * weight))
        return np.array(result)