**
KNN算法
**
knn简单地说就是如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 看下面这幅图:
KNN的算法过程是是这样的: 从上图中我们可以看到,图中的数据集是良好的数据,即都打好了label,一类是蓝色的正方形,一类是红色的三角形,那个绿色的圆形是我们待分类的数据。 如果K=3,那么离绿色点最近的有2个红色三角形和1个蓝色的正方形,这3个点投票,于是绿色的这个待分类点属于红色的三角形 如果K=5,那么离绿色点最近的有2个红色三角形和3个蓝色的正方形,这5个点投票,于是绿色的这个待分类点属于蓝色的正方形 我们可以看到,KNN本质是基于一种数据统计的方法!其实很多机器学习算法也是基于数据统计的。 KNN是一种memory-based learning,也叫instance-based learning,属于lazy learning。即它没有明显的前期训练过程,而是程序开始运行时,把数据集加载到内存后,不需要进行训练,就可以开始分类了。 具体是每次来一个未知的样本点,就在附近找K个最近的点进行投票。
就是找最近的数据点
然后计算距离(按权重)
K的选择不同准确率不同
#!/usr/bin/python3
# -----coding=utf-8
# -----项目:python
# -----编译器:PyCharm
# -----文件名:1.0.py
# -----作者:dzx
# -----时间:2021-08-25 15:12
# ------------------------------------------------------------
import csv
import random
# 读取
with open('D://Prostate_Cancer.csv', 'r') as file:
reader = csv.DictReader(file)
datas = [row for row in reader]
# 分组
random.shuffle(datas)
n = len(datas) // 3
test_set = datas[0:n]
train_set = datas[n:]
# print(test_set[0])
# knn
# 距离
def distance(d1, d2):
res = 0
for key in ("radius", "texture", "perimeter", "area", "smoothness", "compactness", "symmetry", "fractal_dimension"):
res += (float(d1[key]) - float(d2[key])) ** 2
return res ** 0.5
K = 5
def knn(data):
#for train in train_set:
#print(train)
res = [
{"result": train['diagnosis_result'], "distance": distance(data, train)}
for train in train_set
]
res = sorted(res, key=lambda item: item['distance'])
res2 = res[0:K]
result = {'B': 0, 'M': 0}
# 总距离
sum = 0
for r in res2:
sum += r['distance']
for r in res2:
result[r['result']] += 1-r['distance']/sum
if result['B']>result['M']:
return 'B'
else:
return 'M'
# 测试
correct = 0
for test in test_set:
result = test['diagnosis_result']
result2 = knn(test)
if result == result2:
correct += 1
print(correct)
print(len(test_set))
print("准确率:{:.2f}%".format(100*correct/len(test_set)))
数据集如下:
链接:https://pan.baidu.com/s/1w8cyvknAazrAYnAXdvtozw
提取码:zxmt