机器学习——K-近邻算法（算法原理+分析+实验结果）

机器学习——K-近邻算法

---

（一）K-近邻算法概述

（二）算法步骤

（三）使用Python导入数据

（四）K-近邻算法

（五）使用K-近邻算法识别手写数字

（六）总结

---

（一）K-近邻算法概述

        K-近邻法(K-nearest neighbor, K-NN)是1967年由Cover T和Hart P提出的一种基本分类与回归方法。它的工作原理是：存在一个样本数据集合，也称作为训练样本集，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个数据与所属分类的对应关系。输入没有标签的新数据后，将新的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。

（二）算法步骤

k-近邻算法步骤如下：

1. 计算已知类别数据集中的点与当前点之间的距离；
2. 按照距离递增次序排序；
3. 选取与当前点距离最小的k个点；
4. 确定前k个点所在类别的出现频率；
5. 返回前k个点所出现频率最高的类别作为当前点的预测分类。

        使用K-近邻算法分类爱情片和动作片，图1-1显示了6部电影的打斗和接吻镜头数。我们可以使用KNN算法，对一部未看过的电影，确定它是爱情片还是动作片。

                图1-1    使用打斗和接吻镜头数分类电影

 我们需要知道这个电影存在多少打斗镜头和接吻镜头。如图1-2

图1-2

        我们可以从散点图大致推断，这个问号标记的电影可能属于爱情片，因为距离已知的那三个爱情片的圆点更近，可以使用距离度量。如图1-3所示

图1-3   两点距离公式

通过计算，我们得到图1-4所示结果