kNN算法原理与实战

最新推荐文章于 2024-06-19 14:40:49 发布
最新推荐文章于 2024-06-19 14:40:49 发布
阅读量792 收藏 3
点赞数
分类专栏： machine-learning 文章标签： python knn分类器
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/yangzheng0515/article/details/78690981
版权

kNN简单数据分类实践

<比如：计算地理位置的相似度>
……

有以下先验数据，使用knn算法对未知类别数据分类

属性1属性2类别
1.01.0A
0.10.2B
0.00.1B

未知类别数据

属性1属性2类别
1.21.0?
0.10.3?

python实现

# _*_ coding: utf-8 _*_

from numpy import *
import operator

'''
kNN:k近邻

Input:      inX: 待分类向量 (1xN)
            dataSet: 先验数据集 (NxM)
            labels: 先验数据分类标签 (1xM vector)
            k: 参数：k个近邻 (should be an odd number)

Output:     分类标签
'''

# 创建一个数据集，包含2个类别共4个样本
def createDataSet():
    group = array([[1.0,1.1], [1.0,1.0], [0,0], [0,0.1]])
    labels = ['A', 'A', 'B', 'B']
    return group, labels

# KNN分类器
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]  # shape[0]表示行数

    ## step 1: 计算距离
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet # 按元素求差值 tile
    sqDiffMat = diffMat**2  # 将差值平方
    sqDistences = sqDiffMat.sum(axis=1) # 按行累加
    distences = sqDistences**0.5    #将差值平方和求开方，即得距离
    ## step 2: 对距离排序
    sortedDistIndicies = distences.argsort()  # 排序后的索引   argsort() 返回排序后的索引值
    ## step 3: 选择k个最近邻
    classCount = {}
    for i in range(k):
        voteLable = labels[sortedDistIndicies[i]]
        ## step 4: 计算k个最近邻中各类别出现的次数
        classCount[voteLable] = classCount.get(voteLable, 0) + 1
    ## step 5: 返回出现次数最多的类别标签
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

if __name__ == '__main__':
    # kNN分类器测试
    group, labels = createDataSet()
    res = classify0([3,3], group, labels, 3)
    print(res)

输出结果为 A

运行过程中各个变量的值：
这里写图片描述

约会对象分类

婚恋网站数据: data/datingTestSet2.txt
属性：
每年的飞行里程
玩游戏所花时间百分比
每年吃几升冰激凌
标签：
3 -> 喜欢 2 -> 一般 1 -> 不喜欢
散点图
dating.py

# _*_ coding: utf-8 _*_

import kNN
from numpy import *

#
# Author: yz
# Date: 2017-12-01
#

'''
约会对象分类
婚恋网站数据:datingTestSet2.txt
    每年的飞行里程
    玩游戏所花时间百分比
    每年吃几升冰激凌
    3 -> 喜欢  2 -> 一般  1 -> 不喜欢 

验证结果：
    前50%作为测试集，后50%作为训练集：
        错误的数量为33
        错误率为0.066

    前50%作为训练集，后50作为测试集：
        错误的数量为19
        错误率为0.038
'''

# 文件转换成矩阵
def file2matrix(filename):
    file = open(filename)
    numOfLines = len(file.readlines())  # 文件的行数
    returnMat = zeros((numOfLines, 3))    # 初始化要return的矩阵，numOfLines行，3列
    classLabelVector = []   # 初始化要return的标签向量
    index = 0
    file = open(filename)
    for line in file.readlines():
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat, classLabelVector


# 归一化
# 每列的range = 每列的最大值 - 每列的最小值
# 每个元素归一化后的值 = (原来的值 - 该列的最小值) / 该列的最大值
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    #ranges = maxVals - minVals
    # normDataSet = zeros(shape(dataSet))
    m = dataSet.shape[0]    # 行数
    normDataSet = (dataSet - tile(minVals, (m, 1))) / tile(maxVals, (m, 1))
    return normDataSet


# 用50%数据来做测试，统计分类结果错误率  总共1000行数据
def datingClassTest():
    ratio = 0.50    # 训练和测试的比例
    datingDataMat, datingLabels = file2matrix('data/datingTestSet2.txt')
    normMat = autoNorm(datingDataMat)
    m = normMat.shape[0]    # 行数
    numTestVecs = int(m * ratio)
    errorCount = 0
    for i in range(numTestVecs):
        classifyRes = kNN.classify(normMat[i, :], normMat[numTestVecs:m,:], datingLabels[numTestVecs:m], 3)
        print("kNN分类器分类结果为：{}, 真实的类别为：{}".format(classifyRes, datingLabels[i]) )
        if (classifyRes != datingLabels[i]): errorCount += 1
    print("错误的数量为%d" % errorCount)
    print("错误率为{}".format(str(errorCount/numTestVecs)))


# 图形化展现
def graphicalDisplay():
    import matplotlib.pyplot as plt
    datingDataMat, datingLabels = file2matrix('data/datingTestSet2.txt')

    fig = plt.figure()
    ax = fig.add_subplot(111)
    # ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))
    # ax.scatter(datingDataMat[:, 0], datingDataMat[:, 2], 15.0 * array(datingLabels), 15.0 * array(datingLabels))
    ax.scatter(datingDataMat[:, 0], datingDataMat[:, 1], 15.0 * array(datingLabels), 15.0 * array(datingLabels))
    plt.show()


if __name__ == '__main__':
    # 约会对象分类效果测试
    datingClassTest()
    # 图形化展现
    graphicalDisplay()

kNN实现手写数字识别

需求

利用一个手写数字“先验数据”集，使用knn算法来实现对手写数字的自动识别；
先验数据（训练数据）集：

数据维度比较大，样本数比较多。
数据集包括数字0-9的手写体。
每个数字大约有200个样本。
每个样本保持在一个txt文件中。
手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：

模型分析:
- 1、手写体因为每个人，甚至每次写的字都不会完全精确一致，所以，识别手写体的关键是“相似度”
- 2、既然是要求样本之间的相似度，那么，首先需要将样本进行抽象，将每个样本变成一系列特征数据（即特征向量）
- 3、手写体在直观上就是一个个的图片，而图片是由上述图示中的像素点来描述的，样本的相似度其实就是像素的位置和颜色之间的组合的相似度
- 4、因此，将图片的像素按照固定顺序读取到一个个的向量中，即可很好地表示手写体样本
- 5、抽象出了样本向量，及相似度计算模型，即可应用KNN来实现
handWriting.py

# _*_ coding: utf-8 _*_

import kNN
from numpy import *
from os import listdir

#
# Author: yz
# Date: 2017-12-01
#

'''
利用分类器进行手写数字识别测试
识别结果：
    错误的数量为10
    错误率为0.010570824524312896
'''

def img2vector(filePath):
    returnVect = zeros((1, 1024))
    file = open(filePath)
    for i in range(32):
        line = file.readline()
        for j in range(32):
            returnVect[0,32*i+j] = int(line[j])
    return returnVect



def handwritingClassTest():
    trainingFilePath = "data/digits/trainingDigits/"
    testFilePath = "data/digits/testDigits/"
    hwLabels = []
    trainingFileList = listdir(trainingFilePath)
    m = len(trainingFileList)   # 1934
    trainingMat = zeros((m, 1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]   # 0_10.txt
        fileName = fileNameStr.split(".")[0]    # 0_10
        classNum = int(fileName.split("_")[0])  # 0
        hwLabels.append(classNum)
        trainingMat[i, :] = img2vector(trainingFilePath + fileNameStr)
    testFileList = listdir(testFilePath)
    errorCount = 0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileName = fileNameStr.split(".")[0]
        classNum = int(fileName.split("_")[0])
        testVector = img2vector(testFilePath + fileNameStr)
        classifyRes = kNN.classify(testVector, trainingMat, hwLabels, 3)
        print("kNN分类器分类结果为：{}, 真实的数字为：{}".format(classifyRes, classNum))
        if (classifyRes != classNum): errorCount += 1
    print("错误的数量为%d" % errorCount)
    print("错误率为{}".format(str(errorCount / mTest)))


if __name__ == '__main__':
    handwritingClassTest()

ps: 本文所有代码和数据集已上传到我的github: MachineLearning/kNN/

yangzheng0515
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
KNN(K-Nearest Neighbor)分类算法原理
沈春旭的博客
05-13 2万+
1.什么是看KNN算法？ 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量不同特征值之间的距离进行分类。它的
KNN算法原理与实现
张土豆的博客
10-12 435
KNN (K-Nearest Neighbors)算法不需要训练过程，直接利用样本之间的距离进行分类。KNN算法便于理解与解释，且预测准确率高。但当训练集和测试集的样本数较大时，会产生巨大的时间和空间开销。
KNN算法理解
热门推荐
jmydream的专栏
03-06 9万+
一、算法概述 1、kNN算法又称为k近邻分类(k-nearest neighbor classification)算法。 最简单平凡的分类器也许是那种死记硬背式的分类器，记住所有的训练数据，对于新的数据则直接和训练数据匹配，如果存在相同属性的训练数据，则直接用它的分类来作为新数据的分类。这种方式有一个明显的缺点，那就是很可能无法找到完全匹配的训练记录。 kNN算法则是从训练集中找
KNN算法
最新发布
m0_69895716的博客
06-19 1105
1 鸢尾花数据集下载和使用• 加载数据集mydataset = load_iris()• 数据集属性 dataset.data .target .target_names .feature_names .DESCR2 案例的总体处理流程获取数据集数据基本处理特征工程机器学习(模型训练)模型评估3 使用可视化加载和探索数据，以确定特征是否能将不同类别分开4 通过标准化特征，并随机抽样到训练集和测试集来准备数据。5 通过统计学，利用准确率评估机器学习模型#todo 1.导包。
KNN算法实战
向着光的那方
01-16 5110
最近邻算法（NN)：为了判定未知样本的类别，以全部训练样本作为代表点计算位置样本与所有训练样本的距离，并以最邻近这的类别作为决策位置样本的唯一依据。但是最近邻算法作为分类原则是存下明显缺陷的。 最近邻算法的缺点---对噪声数据过于敏感 为了解决这个额问题，我们可以把位置样本周边的多个样本算在内，扩大与决策的样本量，以避免个别数据直接决定决策结果。 ----K-邻近算法 K近邻算法思想：K-近邻算法是最紧邻算法的一个延伸。基本思路是：选择未知样本一定范围内确定个数的K个样...
机器学习——KNN算法实战
KIng_TE_L的博客
04-01 1179
鸢尾花数据集共收集了三类鸢尾花，即Setosa鸢尾花、Versicolour鸢尾花和Virginica鸢尾花，包括4个属性，分别为花萼的长、花萼的宽、花瓣的长和花瓣的宽。每个类别50个样本。2.2代码介绍2.2.1初始化数据集和数据集划分读取数据集文件中的数据到列表中，因为数据集中单个数据特征是以,分隔开，所以按,分隔为一个样本数据再存到数组data_temp中# 初始化数据集f = open(adder) # 打开数据文件文件。
实战KNN算法
qq_24935875的博客
04-20 234
版权声明：本文属于博主原创作品，转载请标明出处。    最近几天再次重温了一下KNN算法，感觉这是比较简单的机器学习算法了，上一篇博客主要介绍了一些KNN的理论，下面就结合实例来帮助理解，这个例子来源于《机器学习实战》这本书，写出来的原因主要就是给自己梳理一下思路。实战主要分为数据处理，测试算法，使用算法。由于K-NN的特点，没有显式的训练过程，所以没有训练阶段。本文涉及的知识点有：从文本文件中解...
机器学习实战 - k近邻算法（KNN算法）总结
04-12
机器学习实战 - k近邻算法（KNN算法）总结 适合机器学习实战入门新手 K-近邻算法，又称为 KNN 算法，是数据挖掘技术中原理最简单的算法。 KNN 的工作原理：给定一个已知类别标签的数据训练集，输入没有标签的新数据...
KNN算法原理
qiu_zhi_liao的博客
05-19 5737
k-NearestNeighbor，翻译为K最近邻算法，是数据挖掘算法中最简单的一种算法。 我们先用一个例子体会下。 我们很容易知道，这些电影的类型，那么当有一部新电影出现的时候， 可不可以对其进行自动分类了？ 我们可以把打斗次数看成 X 轴，接吻次数看成 Y 轴，然后在二维的坐标轴上，对这几部电影进行标记，如下图所示。 对于未知的电影 A，坐标为 (x,y)，我们需要看下离电影 A 最近的...
KNN算法实战.zip
01-16
本实战将深入探讨KNN算法的基本原理、实现步骤以及在实际问题中的应用。 KNN算法的核心思想是：对于给定的未知类别的数据点，我们将其与训练集中已知类别的数据点进行比较，找出与其最近的K个邻居，然后根据这些...
Knn算法实战
资资的博客
11-19 365
文章目录一、认识knn算法二、算法原理通用步骤k的选取如何选取k读取数据算距离knn测试三、完整代码 数据集可以在下方留言找我要 或者 一、认识knn算法 寻找最近的k个数据，推测新数据的分类。 二、算法原理 通用步骤 计算距离（常用欧几里得距离或者马氏距离） 升序排序 取前k个 加权平均 k的选取 k太大：导致分类模糊 k太小：受个例影响，波动较大 如何选取k 经验 均方根误差 读...
机器学习之KNN（K近邻算法）实战
qq_39215715的博客
09-01 434
机器学习之KNN（K近邻算法）实战 本博客仅为记录个人学习KNN的一篇博文，主要参考自Jack-Cui的博客。希望初学者可以移步该博主的博客进行系统的学习。 1. KNN算法简介 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（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
机器学习案例—KNN算法实战
weixin_46505267的博客
06-15 598
KNN算法实战案例：yan尾花种类分析
《机器学习实战》——KNN算法实战篇
growth_path_的博客
06-01 379
#-*-coding:utf-8-*- from numpy import * import operator from os import listdir #构造数据集 def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] re...
机器学习实战之KNN算法
柠檬黄先生的博客
04-29 261
书上的代码看不懂，自己写了一个，就是太麻烦，书上才15行，我用了26行代码，，可是我为什么看不懂别人的代码啊！哭唧唧 主要是思路，这里我用的数据特别简单，就是自己写了四个点，然后给他们标签，来一个新的数据，通过计算该点与已知数据点(带有标签的那种)的距离，选取K个最近的点，统计这K个点的标签，选取最多类别的那一个作为最后该新输入数据集的标签，其实原理类似于说，你周围的点是什么样子，其实大概率决定...
KNN算法的原理
weixin_44166997的博客
03-25 359
基本原理是找到k个与测试点最近的点，这些点中出现次数最多的类别就是该测试点所属的类别 代码如下： import numpy as np import operator # 已知分类数据 x_data = np.array([[3,104],[2,100],[1,81],[101,10],[99,5],[81,2]]) y_data = np.array(['A','A','A','B','B',...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值