机器学习之K近邻算法

定义

示例

代码部分：

import numpy as np
import pandas as pd
# 直接引入skleran里的数据集 ，iris鸢尾花
from sklearn.datasets import load_iris
# 切分数据集为训练集和测试集
from sklearn.model_selection import train_test_split
# 计算分类预测的准确率
from sklearn.metrics import accuracy_score
iris = load_iris()
df = pd.DataFrame(data=iris.data,columns = iris.feature_names)
df['class'] = iris.target
df['class'] = df['class'].map({0:iris.target_names[0],1:iris.target_names[1],2:iris.target_names[2]})
x = iris.data
y = iris.target.reshape(-1,1)
# 划分训练集，测试集
x_train ,x_test,y_train ,y_test = train_test_split(x,y,test_size=0.3,random_state=35,stratify=y)
print(x_train.shape,y_train.shape)
print(x_test.shape,y_test.shape)
# 距离函数定义
def l1_distance(a, b):
    return np.sum(np.abs(a-b), axis=1)
def l2_distance(a, b):
    return np.sqrt( np.sum((a-b) ** 2, axis=1) )

# 分类器实现
class kNN(object):
    # 定义一个初始化方法，__init__ 是类的构造方法
    def __init__(self, n_neighbors = 1, dist_func = l1_distance):
        self.n_neighbors = n_neighbors
        self.dist_func = dist_func
    
    # 训练模型方法
    def fit(self, x, y):
        self.x_train = x
        self.y_train = y
    
    # 模型预测方法
    def predict(self, x):
        # 初始化预测分类数组
        y_pred = np.zeros( (x.shape[0], 1), dtype=self.y_train.dtype )
        
        # 遍历输入的x数据点，取出每一个数据点的序号i和数据x_test
        for i, x_test in enumerate(x):
            # x_test跟所有训练数据计算距离
            distances = self.dist_func(self.x_train, x_test)
            
            # 得到的距离按照由近到远排序，取出索引值
            nn_index = np.argsort(distances)
            
            # 选取最近的k个点，保存它们对应的分类类别
            nn_y = self.y_train[ nn_index[:self.n_neighbors] ].ravel()
            
            # 统计类别中出现频率最高的那个，赋给y_pred[i]
            y_pred[i] = np.argmax( np.bincount(nn_y) )
        
        return y_pred 
# 定义一个knn实例
knn = KNN(n_neighbors = 3)
# 训练模型
knn.fit(x_train, y_train)
# 传入测试数据，做预测
y_pred = knn.predict(x_test)

print(y_test.ravel())
print(y_pred.ravel())

# 求出预测准确率
accuracy = accuracy_score(y_test, y_pred)

print("预测准确率: ", accuracy)
定义一个实例
knn = KNN()
训练模型
knn.fit(x_train,y_train)
 保存结果
result_list = []
 针对不同的参数选取
for p in [1,2]:
    knn.dist_func = l1_distance if p == 1 else l2_distance
    
     考虑不同的K取值,步长
    for k in range(1,10,2):
        knn.n_neighbors = k
传入测试数据，做预测
        y_pred = knn.predict(x_test)

求出预测准确率
        accuracy = accuracy_score(y_test,y_pred)

        result_list.append([k,'l1_distance' if p == 1 else 'l2_distance',accuracy])
df = pd.DataFrame(result_list,columns=['k','距离函数','预测准确率'])
df

总结：

1.K近邻算法是一种比较基本的分类器，将数据记录下来，根据特征进行分类。、
2.sklearn 是机器学习比较强大的库，里面包含的许多的模型数据，方便我们进行计算，统计。
3.我们需要算出所有训练集和每行测试集的距离
4.然后把他们的距离进行排序
5.指定我们选择分类的一个范围
6.根据已知的类别，按照频率最高的进行分类