K-Nearest Neighbors(KNN)
- 将新数据的每一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的分类标签(最近邻的样本)
- 优点:精确度高、对异常值不敏感、无数据输入假定
- 缺点:计算复杂度高、空间复杂度高。保存每个数据,计算每个数据,无法给出平均实例样本和典型事例样本有什么特征
适用数据范围:数值型和标称型
K-近邻算法的一般流程
1、收集数据。
- 2、准备数据,距离计算所需要的数值,最好是结构的数据格式
- 3、分析数据
- 4、训练算法,此步不适合K-近邻算法
- 5、测试算法,计算错误率
- 6、 使用算法
还是机器学习应用的一般步骤
numpy中的一些函数
- tile()函数
- numpy.tile([0,0],(4,1)) 在行方向重复[0,0] 4次,列方向重复[0,0]一次
- https://blog.csdn.net/ksearch/article/details/21388985
- sum()函数。
- 没有axis参数表示全部相加,axis=0表示按列相加(对每一列求和),axis=1表示按照行的方向相加(对每一行求和)
- https://blog.csdn.net/ikerpeng/article/details/17026011
- min(),max() 函数
- a.min() #无参,所有中的最小值
a.min(0) # axis=0; 每列的最小值
a.min(1) # axis=1;每行的最小值
- a.min() #无参,所有中的最小值
- argsort()函数
- argsort函数返回的是数组值从小到大的索引值
- https://blog.csdn.net/maoersong/article/details/21875705
python中的一些函数
- sort(),sorted(),operator.itemgetter()
- sort 是应用在 list 上的方法,sorted 可以对所有可迭代的对象进行排序操作。
- list 的 sort 方法返回的是对已经存在的列表进行操作,而内建函数 sorted 方法返回的是一个新的 list,而不是在原来的基础上进行的操作。
- https://blog.csdn.net/dongtingzhizi/article/details/12068205
归一化
- 消除特征值的取值范围不同的问题。有的特征值取值在【0,1】,有的特征值可能取值在【100,1000】。避免因取值范围不同导致特征的重要性不同
newValue = (oldValue - min) / (max - min)
‘python3 中 dict’ object has no attribute ‘iteritems’
- python3中已经没有这个属性,直接改为items即可
https://blog.csdn.net/sinat_35512245/article/details/78639317
Python 解决 :NameError: name ‘reload’ is not defined 问题
https://blog.csdn.net/github_35160620/article/details/52206868python3x
import imp
imp.reload(knn)
- python2x
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
#用matplotlib 显示图像 各种图形(散点图scatter等)如何绘制待学习
import matplotlib.pyplot as plt
fig = plt.figure()
fig.show()
from numpy import *
import operator
def createDataSet():
#常见错误 group = array([1.0,1.1],[1.0,1.0],[0,0],[0,0.1])
#valueError:only 2 non-keyword arguments accepted
#导入模块后,若修改了导入的模块中的代码,需要重新导入
group = array([[1.0,1.1],[0,1.0],[0,0],[0,0.1]])
labels =['A','A','B','B']
return group,labels
def classify0(inX,dataSet,labels,k):
#距离计算
dataSetSize = dataSet.shape[0]
#numpy.tile([0,0],(4,1)) 在行方向重复[0,0] 4次,列方向重复[0,0]一次
diffMat = tile(inX,(dataSetSize,1)) - dataSet
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances ** 0.5
sortedDistIndicies = distances.argsort()
#选择距离最小的k个点
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
#classCount.get(voteIlabel,0) 若字典中不存在键值voteIlabel,返回0,而不是报错
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
#排序 python3 中iteriitems 改为了items
sortedClassCount = sorted(classCount.items(),
key=operator.itemgetter(1),
reverse=True
)
return sortedClassCount[0][0]
#将文本记录转换成Numpy
def file2matrix(filename):
#打开文件
fr = open(filename)
#获取行数
arrayOfLines = fr.readlines()
numberOfLines = len(arrayOfLines)
#此处的 3 对应数据的 3 个特征
returnMat = zeros((numberOfLines,3))
classLabelVector = []
index = 0
for line in arrayOfLines:
#去除换行符
line = line.strip()
listFromLines = line.split('\t')
#对 returnMat第index行的所有列赋值
returnMat[index,:] = listFromLines[0:3]
classLabelVector.append(int(listFromLines[-1]))
index += 1
return returnMat,classLabelVector
#归一化特征值
def autoNorm(dataSet):
# min(0) axis=0 每列中的最小值,因为列是相同特征值的不同取值
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet))
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals,(m,1))
# / 是具体的元素级别的相除,不是矩阵除法
# numpy中的矩阵除法 linalg。solve(matA,matB)
normDataSet = normDataSet/tile(ranges,(m,1))
return normDataSet,ranges,minVals
#测试算法的正确率
def datingClassTest():
hoRatio = 0.1
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')
normMat,rangs,minVals = autoNorm(datingDataMat)
m = normMat.shape[0]
numTestVecs = int(m * hoRatio)
errorCount = 0
for i in range(numTestVecs):
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],
datingLabels[numTestVecs:m],
3
)
print('the classifier came back with:%d,the real answer is:%d'
%(classifierResult,datingLabels[i])
)
if classifierResult != datingLabels[i]:
errorCount += 1
print('the total error rate is:%f' %(errorCount/float(numTestVecs)))
#预测函数
def classifyPerson():
resultList = ['not at all','in small doses','in large doses']
percentTats = float(input('percentage of time spent playing video games?'))
ffMiles = float(input('frenquent flier miles earned per year?'))
iceCream = float(input('liters of ice cream consumed per year?'))
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')
normMat,ranges,minVals = autoNorm(datingDataMat)
inArr = array([ffMiles,percentTats,iceCream])
classifierResult = classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
print('You will probaly like this person:',resultList[classifierResult-1])