溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本篇內容主要講解“Python如何實現KNN近鄰算法”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“Python如何實現KNN近鄰算法”吧!
簡單來說，K-近鄰算法采用測量不同特征值之間的距離方法進行分類
優點：精度高、對異常值不敏感、無數據輸入假定
缺點：計算復雜度高、空間復雜度高
適用數據范圍：數值型和標稱2型
工作原理：存在一個樣本數據集合，也稱為訓練樣本集，并且樣本集中每個數據都存在標簽，即我們知道樣本集中每一個數據與所屬分類的對應關系（訓練集）。輸入沒有標簽的新數據之后，將新數據的每個特征與樣本集中數據對應的特征進行比較，然后算法提取樣本集中特征最相似數據（最近鄰）的分類標簽（測試集）。一般來說，我們只選擇樣本數據集中前k個最相似的數據，這就是k-近鄰算法中k的出處。（通常k不大于20）
我們先寫入一段代碼
from numpy import * # 導入numpy模塊
import operator # 導入operator模塊
def createDataSet(): # 創建數據集函數
# 構建一個數組存放特征值
group = array(
[[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]
)
# 構建一個數組存放目標值
labels = ['A', 'A', 'B', 'B']
return group, labels此處稍微介紹一下numpy這個包吧
NumPy的主要對象是同種元素的多維數組。這是一個所有的元素都是一種類型、通過一個正整數元組索引的元素表格(通常是元素是數字)。
在NumPy中維度(dimensions)叫做軸(axes)，軸的個數叫做秩(rank，但是和線性代數中的秩不是一樣的，在用python求線代中的秩中，我們用numpy包中的linalg.matrix_rank方法計算矩陣的秩
線性代數中秩的定義：設在矩陣A中有一個不等于0的r階子式D，且所有r+1階子式(如果存在的話)全等于0，那末D稱為矩陣A的最高階非零子式，數r稱為矩陣A的秩，記作R(A)。
依照KNN算法，我們依次來
先準備好四個需要的數據
inX：用于分類的輸入向量inX
dataSet：輸入的訓練樣本集dataSet
labels：標簽向量labels（元素數目和矩陣dataSet的行數相同）
k：選擇最近鄰居的數目
# 返回矩陣的行數
dataSetSize = dataSet.shape[0]
# 列數不變，行數變成dataSetSize列
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5第一行
# 返回矩陣的行數
dataSetSize = dataSet.shape[0]
# 以第一步的數據為例
answer:4 # 4行第二行
inX = [1. , 0.]
# 列數不變，行數變成dataSetSize列
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
# tile(inX, (dataSetSize, 1))
inX = [
[1. , 0.],
[1. , 0.],
[1. , 0.],
[1. , 0.]
]
# inX - dataSet兩個矩陣相減（行列相等相加相減才有意義）
dataSet = [
[1. , 1.1],
[1. , 1. ],
[0. , 0. ],
[0. , 0.1]
]
diffMat = [
[0. , -1.1],
[0. , -1.],
[1. , 0.],
[1. , -0.1]
]第三行
# 求平方差
sqDiffMat = diffMat * 2第四行
# 計算矩陣中每一行元素之和
# 此時會形成一個多行1列的矩陣
sqDistances = sqDiffMat.sum(axis=1)第五行
# 開根號
distances = sqDistances**0.5按照距離遞增次序排序
# 對數組進行排序
sortedDistIndicies = distances.argsort()選擇與當前點距離最小的k個點
classCount = {} # 新建一個字典
# 確定前k個距離最小元素所在的主要分類
for i in range(k):
# voteIlabel的取值是labels中sortedDistIndicies[i]的位置
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1確定前k個點所在類別的出現概率
# 排序
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)###11# 返回前k個點出現頻率最高的類別作為當前點的預測分類
return sortedClassCount[0][0]剛剛試一試C++的版本…小心，救命
#include <iostream>
#include <vector>
#include <algorithm>
#include <cmath>
#include <map>
int sum_vector(std::vector<int>& v) {
int sum = 0;
for (int i = 0; i < v.size(); ++i) {
sum = v[i] + sum;
}
return sum;
}
int knn(int k) {
using std::cout;
using std::endl;
using std::vector;
vector<vector<int>> x;
vector<int> x_sample = {2, 3, 4};
for (int i = 0; i < 4; ++i) {
x.push_back(x_sample);
}
vector<int> y = {1, 1, 1, 1};
int dataSetSize = x.size();
vector<int> x_test = {4, 3, 4};
vector<vector<int>> x_test_matrix;
for (int i = 0; i < dataSetSize; ++i) {
x_test_matrix.push_back(x_test);
}
vector<int> v_total;
for (int i = 0; i < dataSetSize; ++i) {
for (int j = 0; j < x_test_matrix[i].size(); ++j) {
x_test_matrix[i][j] = x_test_matrix[i][j] - x[i][j];
x_test_matrix[i][j] = x_test_matrix[i][j] * 2;
}
int sum_vec = sum_vector(x_test_matrix[i]);
v_total.push_back(sqrt(sum_vec));
}
sort(v_total.begin(), v_total.end());
std::map<int, int> mp;
for (int i = 0; i < k; ++i) {
int label = y[v_total[i]];
mp[label] += 1;
}
int max_end_result = 0;
for (std::map<int, int>::iterator it = mp.begin(); it != mp.end(); it++) {
if (it->first > max_end_result) {
max_end_result = it->first;
}
}
return max_end_result;
}
int main() {
int k = 12;
int value = knn(k);
std::cout << "result:
" << std::endl;
return 0;
}處理excel和txt數據
excel數據是矩陣數據，可直接使用，在此不做處理。
文本txt數據需要一些數據處理
def file2matrix(filename):
fr = open(filename)
# 讀取行數據直到尾部
arrayOLines = fr.readlines()
# 獲取行數
numberOfLines = len(arrayOLines)
# 創建返回shape為（numberOfLines, 3）numpy矩陣
returnMat = zeros((numberOfLines, 3))
classLabelVector = []
index = 0
for line in arrayOLines:
# 去除首尾的回車符
line = line.strip()
# 以tab字符' '為符號進行分割字符串
listFromLine = line.split(' ')
# 選取前3個元素，把他們存儲到特征矩陣中
returnMat[index, :] = listFromLine[0: 3]
# 把目標變量放到目標數組中
classLabelVector.append(int(listFromLine[-1]))
index += 1
return returnMat, classLabelVector數據歸一化和標準化
在數值當中，會有一些數據大小參差不齊，嚴重影響數據的真實性，因此，對數據進行歸一化和標準化是使得數據取值在一定的區間，具有更好的擬合度。
例如歸一化就是將數據取值范圍處理為0到1或者-1到1之間
# max：最大特征值
# min：最小特征值
newValue = (oldValue - min)/(max-min)寫個函數
def autoNorm(dataSet):
# min(0)返回該矩陣中每一列的最小值
minVals = dataSet.min(0)
# max(0)返回該矩陣中每一列的最大值
maxVals = dataSet.max(0)
# 求出極值
ranges = maxVals - minVals
# 創建一個相同行列的0矩陣
normDataSet = zeros(shape(dataSet))
# 得到行數
m = dataSet.shape[0]
# 得到一個原矩陣減去m倍行1倍列的minVals
normDataSet = dataSet - tile(minVlas, (m,1))
# 特征值相除
normDataSet = normDataSet/tile(ranges, (m, 1))
return normDataSet, ranges, minVals歸一化的缺點：如果異常值就是最大值或者最小值，那么歸一化也就沒有了保證（穩定性較差，只適合傳統精確小數據場景）
標準化可查
既然已經了解其內置的算法了，那么便調庫來寫一個吧
from sklearn.datasets import load_iris # 導入內置數據集
from sklearn.model_selection import train_test_split # 提供數據集分類方法
from sklearn.preprocessing import StandardScaler # 標準化
from sklearn.neighbors import KNeighborsClassifier # KNN
def knn_iris():
# 獲得鳶尾花數據集
iris = load_iris()
# 獲取數據集
# random_state為隨機數種子，一個數據集中相等的行不能大于6
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
# 特征工程：標準化
transfer = StandardScaler()
# 訓練集標準化
x_train = transfer.fit_transform(x_train)
# 測試集標準化
x_test = transfer.transform(x_test)
# 設置近鄰個數
estimator = KNeighborsClassifier(n_neighbors=3)
# 訓練集測試形成模型
estimator.fit(x_train, y_train)
# 模型預估
# 根據預測特征值得出預測目標值
y_predict = estimator.predict(x_test)
print("y_predict:
", y_predict)
# 得出預測目標值和真實目標值之間是否相等
print("直接比對真實值和預測值：
", y_test == y_predict)
# 計算準確率
score = estimator.score(x_test, y_test)
print("準確率為：
", score)
def main():
knn_iris()
if __name__ == '__main__':
main()到此，相信大家對“Python如何實現KNN近鄰算法”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
