k-近邻算法(kNN)
2016-09-20 20:28
309 查看
k-近邻算法工作原理:存在一个样本数据集合,也称作训练样本集,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,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数。最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
k-近邻算法的一般流程:
(1)收集数据:可以使用任何方法。
(2)准备数据:距离计算所需要的数值,最好是结构化的数据格式。
(3)分析数据:可以使用任何方法。
(4)训练算法:此步骤不适用于k-近邻算法。
(5)测试算法:计算错误率。
(6)使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。
k-近邻算法的伪代码:
对未知类别属性的数据集中的每个点依次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别的出现频率;
(5)返回前k个点出现频率最高的类别作为当前点的预测分类。
我们现列举一个示例,其中包含训练集展示图如下:
对应4个点:(0,0), (0, 0.1), (1, 1), (1, 1.1),2个标签类别:A和B。然后根据训练集合,确定一个输入数据该属于哪一个标签类别(计算距离时使用欧式距离)。其python代码如下:
from numpy import *
import operator
# create data set with 4 points
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
# k-Nearest Neighbor
def classify0(inX, dataSet, labels, k):
"""
For every point in our dataset:
calculate the distance between inX and the current point
sort the distances in increasing order
take k items with lowest distances to inX
find the majority class among these items
return the majority class as our prediction for the class of inX
params:
inX: the input vector to classify
dataSet: our full matrix of training examples
labels: a vector of labels
k: the number of nearest neighbors to use in the voting
"""
# Distance calculation
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
# Voting with lowest k distances
sortedDistIndicies = distances.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
# sort dictionary
sortedClassCount = sorted(classCount.iteritems(),
key=operator.itemgetter(1),
reverse=True)
return sortedClassCount[0][0]
具体操作如下:
1. 进入该python文件所在目录,键入python,进入python命令行;
2. 输入以下命令:(假设你拷入的python代码文件名为kNN.py)
可以确定(0, 0)属于B类别。
k-近邻算法的一般流程:
(1)收集数据:可以使用任何方法。
(2)准备数据:距离计算所需要的数值,最好是结构化的数据格式。
(3)分析数据:可以使用任何方法。
(4)训练算法:此步骤不适用于k-近邻算法。
(5)测试算法:计算错误率。
(6)使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。
k-近邻算法的伪代码:
对未知类别属性的数据集中的每个点依次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离;
(2)按照距离递增次序排序;
(3)选取与当前点距离最小的k个点;
(4)确定前k个点所在类别的出现频率;
(5)返回前k个点出现频率最高的类别作为当前点的预测分类。
我们现列举一个示例,其中包含训练集展示图如下:
对应4个点:(0,0), (0, 0.1), (1, 1), (1, 1.1),2个标签类别:A和B。然后根据训练集合,确定一个输入数据该属于哪一个标签类别(计算距离时使用欧式距离)。其python代码如下:
from numpy import *
import operator
# create data set with 4 points
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
# k-Nearest Neighbor
def classify0(inX, dataSet, labels, k):
"""
For every point in our dataset:
calculate the distance between inX and the current point
sort the distances in increasing order
take k items with lowest distances to inX
find the majority class among these items
return the majority class as our prediction for the class of inX
params:
inX: the input vector to classify
dataSet: our full matrix of training examples
labels: a vector of labels
k: the number of nearest neighbors to use in the voting
"""
# Distance calculation
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
# Voting with lowest k distances
sortedDistIndicies = distances.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
# sort dictionary
sortedClassCount = sorted(classCount.iteritems(),
key=operator.itemgetter(1),
reverse=True)
return sortedClassCount[0][0]
具体操作如下:
1. 进入该python文件所在目录,键入python,进入python命令行;
2. 输入以下命令:(假设你拷入的python代码文件名为kNN.py)
>>> import kNN >>> group, labels = kNN.createDataSet() >>> kNN.classify0([0,0], group, labels, 3) 'B'
可以确定(0, 0)属于B类别。
相关文章推荐
- K-近邻算法(KNN)
- 【机器学习实战】第2章 K-近邻算法(k-NearestNeighbor,KNN)
- 【JAVA实现】K-近邻(KNN)分类算法
- 《机器学习实战》学习笔记——K-近邻算法(KNN)(二)海伦约会网站匹配实战
- 机器学习-----之KNN近邻算法(python3)
- KNN(k-近邻)分类算法讲解与实现(python)
- K-近邻算法(KNN)
- TensorFlow实现knn(k近邻)算法
- k近邻(kNN)算法的Python实现(基于欧氏距离)
- KNN(K-近邻算法)
- KNN近邻算法总结
- 《机器学习实战》--k近邻分类算法kNN
- K-近邻算法(KNN)
- K-近邻分类算法KNN
- k-近邻算法(KNN)--2改进约会网站的配对效果---by香蕉麦乐迪
- 【机器学习】knn(k-近邻算法)&numpy安装
- [置顶] K-近邻(KNN)算法
- 机器学习笔记(5)---K-近邻算法(3)---KNN手写识别系统
- K-近邻算法(KNN)
- K近邻(KNN)算法(二)---实现约会匹配