机器学习实战-k近邻算法
2024-09-05 19:10:25
写在开头,打算耐心啃完机器学习实战
这本书,所用版本为2013年6月第1版
在P19页的实施kNN算法时,有很多地方不懂,遂仔细研究,记录如下:
字典按值进行排序
- 首先仔细读完kNN算法之后,了解其是用距离来进行判别
- 程序清单2-1看不太明白,于是把具体的inX,dataSet,labels,k带进去大致明白了意思,这里不做演示
- 书上用字典进行存储,然后对字典的值进行排序,这里不太清楚故去学习了一下
这些理清楚之后,首先来看如何对字典的值进行排序:
dict1 = {'a': 1, 'b': 4, 'c': 2, 'f' : 12}
# 第一种方法,key使用lambda匿名函数取value进行排序
a = sorted(dict1.items(),key = lambda x: x[1])
b = sorted(dict1.items(),key = lambda x:x[1],reverse = True)
print(a)
print(b)
[('a', 1), ('c', 2), ('b', 4), ('f', 12)]
[('f', 12), ('b', 4), ('c', 2), ('a', 1)]
这里sorted的第一个参数为容器,传入的是items,然后第二个参数选择items的第二个值也就是这里的values
dict1 = {'a': 1, 'b': 4, 'c': 2, 'f' : 12}
# 第一种方法,key使用lambda匿名函数取value进行排序
a = sorted(dict1.keys(),key = lambda x: x[0])
b = sorted(dict1.keys(),key = lambda x:x[0],reverse = True)
print(a)
print(b)
['a', 'b', 'c', 'f']
['f', 'c', 'b', 'a']
这里请注意第一个参数容器,需和第二个参数key中排序内容对应,不能第一个选values,第二个填x[1]
?sorted
Signature: sorted(iterable, /, *, key=None, reverse=False)
Docstring:
Return a new list containing all items from the iterable in ascending order.
A custom key function can be supplied to customize the sort order, and the
reverse flag can be set to request the result in descending order.
Type: builtin_function_or_method
如果不想使用匿名函数,也可使用itemgetter()函数按第几维进行排序
# 第二种方法使用operator的itemgetter进行排序
import operator
dict1 = {'a': 1, 'b': 4, 'c': 2, 'f' : 12}
c = sorted(dict1.items(), key=operator.itemgetter(1))
print(c)
kNN算法
在写出完整代码之前,我们还要处理一个问题:
计算出某一具体向量到各数据之间的距离之和,如何按照距离进行排序,再存储进字典中
import numpy as np
def createDataSet():
dataSet = np.array([[1,1],[1,1.2],[0,0],[0,0.2]])
labels = np.array(['A','A','B','B'])
return dataSet,labels
dataSet,labels = createDataSet()
a = np.array([0.1,0.2])-dataSet
a = a**2
a = a.sum(axis=1)
a
array([1.45, 1.81, 0.05, 0.01])
即在字典存储时,如何将上述的array按序存入?
numpy.argsort(a, axis=-1, kind=’quicksort’, order=None)
使用argsort函数即可
import numpy as np
# 数据集
def createDataSet():
dataSet = np.array([[1, 1], [1, 1.2], [0, 0], [0, 0.2]])
labels = np.array(['A', 'A', 'B', 'B'])
return dataSet, labels
dataSet, labels = createDataSet()
# print(dataSet)
# print(labels)
# 生成器
def classifier(arr, dataSet, labels, k):
new_arr = arr - dataSet
# return(new_arr)
new_arr_sqaure = new_arr ** 2
new_arr_sum = new_arr_sqaure.sum(axis=1)
# 欧氏距离,先用目标与数据集的每条相减,再平方再求和再开根号
distances = new_arr_sum ** 0.5
# return distances
# 距离进行排序,这样就能知道传入的向量与数据集中的哪个向量最近
distances_rank = distances.argsort()
# return distances_rank
generate_dict = {}
for i in range(k):
label = labels[distances_rank[i]]
# get函数如果有则正常取,没有则使用后面的参数0
generate_dict[label] = generate_dict.get(label, 0) + 1
# 对字典的值进行排序
sorted_dict = sorted(generate_dict.items(), key=lambda x: x[1], reverse=True)
print(sorted_dict)
return sorted_dict[0][0]
predict_x = np.array([0, 0.1])
result = classifier(predict_x, dataSet, labels, 3)
print(result)
最后结果
[('B', 2), ('A', 1)]
B
最新文章
- appach2.4 + php7 +mysql5.7.14 配置
- vuejs,router
- Storm 实战:构建大数据实时计算
- 讲讲js中的逻辑与(&;&;)以及逻辑或(||)
- 【linux】linux创建用户并授予sudo权限
- ASP长文章分页的两个方法,函数
- nginx 常用的 URL 重写方法
- ASP.NET导入Excel到SQL数据库
- 淘宝API学习之道:淘宝API相关了解
- 安卓组件service
- Java开发笔记(十二)布尔变量论道与或非
- 总结get和post区别---面试用
- JavaScript的屏幕输出及时间函数
- 模拟获取post数据的方式
- eclipse自动生成变量名声明(按方法返回值为本地变量赋值)
- MySQL之 从复制延迟问题排查
- 4.5&;4.7联考题解
- zk集群的快速搭建
- Python数据结构 将列表作为栈和队列使用
- Spring boot中使用log4j记录日志