K近邻python
2024-08-29 22:37:04
有一个带标签的数据集X,标签为y。我们想通过这个数据集预测目标点x0的所属类别。
K近邻算法是指在X的特征空间中,把x0放进去,然后找到距离x0最近的K个点。通过这K个点所属类别,一般根据少数服从多数的原则,这K个点哪个类别多,就将x0设为哪一类。
关键有三个部分:
1.距离度量:目标点与训练集中的点距离计算,一般采用欧式距离。也可以为其他距离
2.K值选择:K为超参数,所以可以通过交叉验证的方法原则K的值。K一般选比较小的值,假如K值取跟数据集一样大小,就相当于直接认定据集中哪个类的类别多,就认目标点为哪一类。所以肯定不合适。
3.分类决策规则:一般为多数表决,少数服从多数。
K近邻算法还有一个问题是,通过什么算法来选择 距离目标点x0最近的K个样本点。线性扫描最简单,计算数据集中每个样本点与X0的距离,然后对这些距离排序,选择最小的几个。但这样复杂度高。还有一种方法是构造kd树,这里不在说明如何构造k-d树,下面文章解释的很清楚。
完结篇|一文搞懂k近邻(k-NN)算法(二) - 忆臻的文章 - 知乎 https://zhuanlan.zhihu.com/p/26029567
代码中选择K个样本点是通过numpy的内置函数np.argpartition(a,kth)即返回前K小个树的位置坐标。
数据集采用鸢尾花数据集,地址在下面,将鸢尾花数据集标签改为0,1,2。
K原则4,正确率一般在95%以上
代码:
import numpy as np
from matplotlib import pyplot as plt
from random import shuffle
import csv
def data():
'''
加载数据,数据集为鸢尾花数据集120个训练集,30个测试集
:return:
'''
with open('iris.data')as f:
reader = csv.reader(f)
data_list =list(reader)
shuffle(data_list)
X_orign = np.array([(list(map(float,x[:4]))) for x in data_list])
y_orign = []
for x in data_list:
if x[4]=='Iris-setosa':
y_orign.append(0)
elif x[4]=='Iris-versicolor':
y_orign.append(1)
else:
y_orign.append(2)
y_orign = np.array(y_orign)
X_train = X_orign[:120]
y_train = y_orign[:120]
X_test = X_orign[120:]
y_test = y_orign[120:]
return X_train,y_train,X_test,y_test
def plot_data(X,y):
'''
绘制数据集
:param X:
:param y:
:return:
'''
plt.scatter(X[y==0,0],X[y==0,2],s=15,c='r',marker='o')
plt.scatter(X[y==1,0],X[y==1,2],s=15,c='b',marker='+')
plt.scatter(X[y==2,0],X[y==2,2],s=15,c='y',marker='*')
plt.show()
def knn(x,K,X,y):
'''
采用线性扫描,求得与目标点x在X中前K个最近的距离
:param x:
:param K:
:param X:
:param y:
:return:
'''
y = y[np.argpartition(np.sum((X-x)**2,axis=1),K)[:K]]#欧式距离,获得前K小个元素的索引位置
return np.argmax([sum(y==0),sum(y==1),sum(y==2)])#返回所属类别,少数服从多数 K = 5
X_train,y_train,X_test,y_test = data()
predict = np.array([knn(i,K,X_train,y_train) for i in X_test])#预测测试集每个元素所属的类别
print('正确率为:{}%'.format(sum(predict==y_test)/len(y_test)*100))#计算正确率
参考资料:李航,统计学习方法
最新文章
- adb工具获取appPackage和appActivity
- Linux 的 strace 命令
- 我理解的Hanlder--android消息传递机制
- OC-SEL
- Makefile中的特殊宏定义以及实用选项
- EXCEL某列长度超过255个字符导入SQL SERVER的处理方法
- android 抓包 使用 tcpdmp + Wireshark
- hdu1695 莫比乌斯反演
- 【Java多线程】两种基本实现框架
- easyui知识累计.递增.
- Android开发之Bitmap二次采样
- MM32初识(兼容STM32)
- iOS开发之UIWebView自动滑动到顶部-备
- 转:Node.js软肋之CPU密集型任务
- 基于Visual C++2013拆解世界五百强面试题--题3-打印螺旋数组
- 深入分析redis cluster 集群
- java数据库编程之高级查询
- 记录一次群答问:jmeter正则提取器提取一个及多个值
- 大二学生党的Security+备考宝典(一次过)
- node-fs文件系统模块