#|k近邻算法实现--Knn


目录

  • 算法原理
  • 算法优缺点
    • 算法变种
  • sklearn.KNeighborsClassifier
    • 重要参数
      • n_neighbors
      • weights
      • algorithm
    • 类方法
      • fit(x,y)
      • keighbors()
        • 重要参数
          • x
          • n_neighbors
          • return_distance
        • 返回值
      • predict(x)
    • 使用knn进行分类的例子
  • sklearn.KNeighborsRegressor
    • 使用knn进行回归拟合的例子

本博客参考书籍:scikit-learn机器学习–常用算法原理及编程实战
算法原理 一种有监督的机器学习算法,常用于解决分类和回归问题
**核心思想:**一个为被标记的样本类别由距离其最近的k个邻居决定
使用一个已经标记的数据样本进行训练,即拟合数据与标签
计算待标记的数据样本的数据集中每个样本的距离,取距离最近的k个样本,观察这K个样本所属的类别,样本最多的那个类别即为待标记数据所属于的类别
算法优缺点
优点 准确性高,异常值和噪声对结果影响相对较小
缺点 对内存需求较大,每对一个样本进行分类都需要将距离全部计算一遍
算法变种 Knn算法的一个变种是增加邻居点的权重,我们可以给距离样本点不同距离的样本点指定不同的权重,距离越近权重越高,这个算法变种可以通过KNeighborsClassifier类中的weight参数指定
sklearn.KNeighborsClassifier
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, *, weights='uniform', algorithm='auto', leaf_size=30, p=2, metric='minkowski', metric_params=None, n_jobs=None)

重要参数 n_neighbors
参与评价样本点分类的邻居个数 。
值越大,决定其类别的邻居越多,模型的偏差也会越大,对噪声数据也会变得不敏感;值过大可能会造成模型欠拟合,值过小会造成相反的效果
weights
可能取值 描述
uniform 平均权重,距离样本点不同的邻居具有相同的权重
distance 权重取决于邻居距离样本点的距离
[callable] 自定义权重分配方法
algorithm
用于计算最近邻居的算法
可能取值 描述
‘ball_tree’ BallTree算法
‘kd_tree’ KDTree算法
‘brute’ 强力搜索
‘auto’ 尝试根据数据寻找最合适的分类算法传递给fit()
类方法 fit(x,y)
【#|k近邻算法实现--Knn】使用训练数据集拟合k近邻分类器
x,y分别表示训练数据及其对应的标签
keighbors()
keighbors([X, n_neighbors, return_distance])

寻找样本点的k个最近邻居
重要参数 x array-like
需要查询的点(一个或多个)
n_neighbors int,None
邻居个数,默认值为模型中的n_neighbors
return_distance bool,True
是否返回每个邻居距离样本点的距离
返回值 距离样本点最近的邻居们距离样本点的距离(当return_distance为True时返回),数据类型:ndarray of (x.shape,n_neighbors)
距离样本点最近的邻居们在原训练数据集中的索引数据类型:ndarray of (x.shape,n_neighbors)
实例:
predict(x)
对样本x进行预测
使用knn进行分类的例子 生成一个包含50个样本点(3个种群)的数据集作为训练数据,使用该数据集对knn模型进行拟合,然后使用拟合后的模型队训练数据进行预测
import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_blobs from sklearn.neighbors import KNeighborsClassifierx,y=make_blobs(n_samples=50,cluster_std=0.6) clf=KNeighborsClassifier(n_neighbors=2) clf.fit(x,y)x_sample=[[2,-2],[0,0],[3,0]] # 待分类的样本点 y_sample=clf.predict(x_sample) # 使用拟合过的knn模型进行预测 y_sample >>> array([0, 1, 1])neighbors=clf.kneighbors(x_sample) # 查看距离样本点最近的邻居信息 >>> (array([[3.81072592, 3.87193455], [1.81365177, 1.85249566], [2.49118958, 2.56258328]]), array([[45,5], [44, 35], [19,5]], dtype=int64)) '''上面的第一个array数组中的元素分别表示距离(3个)样本点距离最近的2个邻居的距离 第二个array数组中的元素分别表示距离(3个)样本点距离最近的2个样本点在原训练数据即中的索引 '''

sklearn.KNeighborsRegressor 分类问题的预测值是离散的,下面使用KNN算法在连续区间内对数值进行预测,即回归拟合
使用knn进行回归拟合的例子
import numpy as np import matplotlib.pyplot as plt from sklearn.datasets import make_blobs from sklearn.neighbors import KNeighborsRegressorx=5*np.random.rand(40,1) # 生成训练数据集 y=np.cos(x).ravel()# ravel()方法将y的维度由(40,1)转化为(40,)knn=KNeighborsRegressor(5) knn.fit(x,y)x_sample=np.linspace(0,5,100).reshape(-1,1)# 生成测试数据 y_sample=knn.predict(x_sample)# 使用knn回归拟合plt.figure() plt.scatter(x,y) plt.scatter(x_sample,y_sample,c='k',lw=4) plt.show()

输出结果,可以看到模型拟合了大多数点
#|k近邻算法实现--Knn
文章图片

    推荐阅读