前面文章分別簡(jiǎn)單介紹了線性回歸，邏輯回歸，貝葉斯分類，并且用python簡(jiǎn)單實(shí)現(xiàn)。這篇文章介紹更簡(jiǎn)單的 knn， k-近鄰算法（kNN，k-NearestNeighbor）。 k-近鄰算法（kNN，k-NearestNeighbor），是最簡(jiǎn)單的機(jī)器學(xué)習(xí)分類算法之一，其核心思想在于用距離目標(biāo)最近的k個(gè)樣本數(shù)據(jù)的分類來(lái)代表目標(biāo)的分類（這k個(gè)樣本數(shù)據(jù)和目標(biāo)數(shù)據(jù)最為相似）。

原理

kNN算法的核心思想是用距離最近(多種衡量距離的方式)的k個(gè)樣本數(shù)據(jù)來(lái)代表目標(biāo)數(shù)據(jù)的分類。

具體講，存在訓(xùn)練樣本集， 每個(gè)樣本都包含數(shù)據(jù)特征和所屬分類值。 輸入新的數(shù)據(jù)，將該數(shù)據(jù)和訓(xùn)練樣本集匯中每一個(gè)樣本比較，找到距離最近的k個(gè)，在k個(gè)數(shù)據(jù)中，出現(xiàn)次數(shù)做多的那個(gè)分類，即可作為新數(shù)據(jù)的分類。

如上圖： 需要判斷綠色是什么形狀。當(dāng)k等于3時(shí)，屬于三角。當(dāng)k等于5是，屬于方形。 因此該方法具有一下特點(diǎn)：

• 監(jiān)督學(xué)習(xí)：訓(xùn)練樣本集中含有分類信息
• 算法簡(jiǎn)單， 易于理解實(shí)現(xiàn)
• 結(jié)果收到k值的影響，k一般不超過(guò)20.
• 計(jì)算量大，需要計(jì)算與樣本集中每個(gè)樣本的距離。
• 訓(xùn)練樣本集不平衡導(dǎo)致結(jié)果不準(zhǔn)確問(wèn)題

接下來(lái)用oython 做個(gè)簡(jiǎn)單實(shí)現(xiàn)， 并且嘗試用于約會(huì)網(wǎng)站配對(duì)。

python簡(jiǎn)單實(shí)現(xiàn)

def classify(inX, dataSet, labels, k):"""定義knn算法分類器函數(shù):param inX: 測(cè)試數(shù)據(jù):param dataSet: 訓(xùn)練數(shù)據(jù):param labels: 分類類別:param k: k值:return: 所屬分類"""dataSetSize = dataSet.shape[0] #shape（m, n）m列n個(gè)特征diffMat = np.tile(inX, (dataSetSize, 1)) - dataSetsqDiffMat = diffMat ** 2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances ** 0.5 #歐式距離sortedDistIndicies = distances.argsort() #排序并返回indexclassCount = {}for i in range(k):voteIlabel = labels[sortedDistIndicies[i]]classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 #default 0sortedClassCount = sorted(classCount.items(), key=lambda d:d[1], reverse=True)return sortedClassCount[0][0] 復(fù)制代碼

算法的步驟上面有詳細(xì)的介紹，上面的計(jì)算是矩陣運(yùn)算，下面一個(gè)函數(shù)是代數(shù)運(yùn)算，做個(gè)比較理解。

def classify_two(inX, dataSet, labels, k):m, n = dataSet.shape # shape（m, n）m列n個(gè)特征# 計(jì)算測(cè)試數(shù)據(jù)到每個(gè)點(diǎn)的歐式距離distances = []for i in range(m):sum = 0for j in range(n):sum += (inX[j] - dataSet[i][j]) ** 2distances.append(sum ** 0.5)sortDist = sorted(distances)# k 個(gè)最近的值所屬的類別classCount = {}for i in range(k):voteLabel = labels[ distances.index(sortDist[i])]classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 # 0:map defaultsortedClass = sorted(classCount.items(), key=lambda d:d[1], reverse=True)return sortedClass[0][0] 復(fù)制代碼

有了上面的分類器，下面進(jìn)行最簡(jiǎn)單的實(shí)驗(yàn)來(lái)預(yù)測(cè)一下：

def createDataSet():group = np.array([[1, 1.1], [1, 1], [0, 0], [0, 0.1]])labels = ['A', 'A', 'B', 'B']return group, labels 復(fù)制代碼

上面是一個(gè)簡(jiǎn)單的訓(xùn)練樣本集。

if __name__ == '__main__':dataSet, labels = createDataSet()r = classify_two([0, 0.2], dataSet, labels, 3)print(r) 復(fù)制代碼

執(zhí)行上述函數(shù)：可以看到輸出B， [0 ,0.2]應(yīng)該歸入b類。

上面就是一個(gè)最簡(jiǎn)單的kNN分類器，下面有個(gè)例子。

kNN用于判斷婚戀網(wǎng)站中人的受歡迎程度

訓(xùn)練樣本集中部分?jǐn)?shù)據(jù)如下：

40920 8.326976 0.953952 3 14488 7.153469 1.673904 2 26052 1.441871 0.805124 1 75136 13.147394 0.428964 1 38344 1.669788 0.134296 1 復(fù)制代碼

第一列表示每年獲得的飛行常客里程數(shù)， 第二列表示玩視頻游戲所耗時(shí)間百分比， 第三類表示每周消費(fèi)的冰淇淋公升數(shù)。第四列表示分類結(jié)果，1， 2， 3 分別是 不喜歡，魅力一般，極具魅力。

將數(shù)據(jù)轉(zhuǎn)換成numpy。

# 文本轉(zhuǎn)換成numpy def file2matrix(filepath="datingSet.csv"):dataSet = np.loadtxt(filepath)returnMat = dataSet[:, 0:-1]classlabelVector = dataSet[:, -1:]return returnMat, classlabelVector 復(fù)制代碼

首先對(duì)數(shù)據(jù)有個(gè)感知，知道是哪些特征影響分類，進(jìn)行可視化數(shù)據(jù)分析。

# 2， 3列數(shù)據(jù)進(jìn)行分析 def show_2_3_fig():data, cls = file2matrix()fig = plt.figure()ax = fig.add_subplot(111)ax.scatter(data[:, 1], data[: ,2], c=cls)plt.xlabel("playing game")plt.ylabel("Icm Cream")plt.show() 復(fù)制代碼

如上圖可以看到并無(wú)明顯的分類。

可以看到不同的人根據(jù)特征有明顯的區(qū)分。因此可以使用kNN算法來(lái)進(jìn)行分類和預(yù)測(cè)。

由于后面要用到距離比較，因此數(shù)據(jù)之前的影響較大， 比如飛機(jī)里程和冰淇淋數(shù)目之間的差距太大。因此需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理。

# 數(shù)據(jù)歸一化 def autoNorm(dataSet):minVal = dataSet.min(0)maxVal = dataSet.max(0)ranges = maxVal - minValnormDataSet = np.zeros(dataSet.shape)m, n = dataSet.shape # 行， 特征normDataSet = dataSet - minValnormDataSet = normDataSet / rangesreturn normDataSet, ranges, minVal 復(fù)制代碼

衡量算法的準(zhǔn)確性 knn算法可以用正確率或者錯(cuò)誤率來(lái)衡量。錯(cuò)誤率為0，表示分類很好。 因此可以將訓(xùn)練樣本中的10%用于測(cè)試，90%用于訓(xùn)練。

# 定義測(cè)試算法的函數(shù) def datingClassTest(h=0.1):hoRatio = hdatingDataMat, datingLabels = file2matrix()normMat, ranges, minVals = autoNorm(datingDataMat)m, n = normMat.shapenumTestVecs = int(m * hoRatio) #測(cè)試數(shù)據(jù)行數(shù)errorCount = 0 # 錯(cuò)誤分類數(shù)# 用前10%的數(shù)據(jù)做測(cè)試for i in range(numTestVecs):classifierResult = classify(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)# print('the classifier came back with: %d,the real answer is: %d' % (int(classifierResult), int(datingLabels[i])))if classifierResult != datingLabels[i]:errorCount += 1print("the total error rate is: %f" % (errorCount / float(numTestVecs))) 復(fù)制代碼

調(diào)整不同的測(cè)試比例，對(duì)比結(jié)果。

使用knn進(jìn)行預(yù)測(cè)。 有了訓(xùn)練樣本和分類器，對(duì)新數(shù)據(jù)可以進(jìn)行預(yù)測(cè)。模擬數(shù)據(jù)并進(jìn)行預(yù)測(cè)如下：

# 簡(jiǎn)單進(jìn)行預(yù)測(cè) def classifypersion():resultList = ["none", 'not at all','in small doses','in large doses']# 模擬數(shù)據(jù)ffmiles = 15360playing_game = 8.545204ice_name = 1.340429datingDataMat, datingLabels = file2matrix()normMat, ranges, minVals = autoNorm(datingDataMat)inArr = np.array([ffmiles, playing_game, ice_name])# 預(yù)測(cè)數(shù)據(jù)歸一化inArr = (inArr - minVals) / rangesclassifierResult = classify(inArr, normMat, datingLabels, 3)print(resultList[int(classifierResult)]) 復(fù)制代碼

可以看到基本的得到所屬的分類。

完成代碼和數(shù)據(jù)請(qǐng)參考：
github:kNN

總結(jié)

• kNN
• 監(jiān)督學(xué)習(xí)
• 數(shù)據(jù)可視化
• 數(shù)據(jù)歸一化，不影響計(jì)算

總結(jié)

以上是生活随笔為你收集整理的机器学习之kNN算法(纯python实现)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。