快捷導(dǎo)航

用python實(shí)現(xiàn)k近鄰算法的示例代碼

更新時(shí)間：2018年09月06日 14:32:47 作者：LC_coding

這篇文章主要介紹了用python實(shí)現(xiàn)k近鄰算法的示例代碼，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧

K近鄰算法（或簡(jiǎn)稱kNN）是易于理解和實(shí)現(xiàn)的算法，而且是你解決問題的強(qiáng)大工具。

什么是kNN

kNN算法的模型就是整個(gè)訓(xùn)練數(shù)據(jù)集。當(dāng)需要對(duì)一個(gè)未知數(shù)據(jù)實(shí)例進(jìn)行預(yù)測(cè)時(shí)，kNN算法會(huì)在訓(xùn)練數(shù)據(jù)集中搜尋k個(gè)最相似實(shí)例。對(duì)k個(gè)最相似實(shí)例的屬性進(jìn)行歸納，將其作為對(duì)未知實(shí)例的預(yù)測(cè)。

相似性度量依賴于數(shù)據(jù)類型。對(duì)于實(shí)數(shù)，可以使用歐式距離來計(jì)算。其他類型的數(shù)據(jù)，如分類數(shù)據(jù)或二進(jìn)制數(shù)據(jù)，可以用漢明距離。

對(duì)于回歸問題，會(huì)返回k個(gè)最相似實(shí)例屬性的平均值。對(duì)于分類問題，會(huì)返回k個(gè)最相似實(shí)例屬性出現(xiàn)最多的屬性。

kNN如何工作

kNN屬于基于實(shí)例算法簇的競(jìng)爭(zhēng)學(xué)習(xí)和懶惰學(xué)習(xí)算法。

基于實(shí)例的算法運(yùn)用數(shù)據(jù)實(shí)例（或數(shù)據(jù)行）對(duì)問題進(jìn)行建模，進(jìn)而做出預(yù)測(cè)決策。kNN算法算是基于實(shí)例方法的一種極端形式，因?yàn)槠浔Ａ羲械挠?xùn)練集數(shù)據(jù)作為模型的一部分。

kNN是一個(gè)競(jìng)爭(zhēng)學(xué)習(xí)算法，因?yàn)闉榱俗龀鰶Q策，模型內(nèi)部元素（數(shù)據(jù)實(shí)例）需要互相競(jìng)爭(zhēng)。數(shù)據(jù)實(shí)例之間客觀相似度的計(jì)算，促使每個(gè)數(shù)據(jù)實(shí)例都希望在競(jìng)爭(zhēng)中“獲勝”或者盡可能地與給定的未知數(shù)據(jù)實(shí)例相似，繼而在預(yù)測(cè)中做出貢獻(xiàn)。

懶惰學(xué)習(xí)是指直到需要預(yù)測(cè)時(shí)算法才建立模型。它很懶，因?yàn)樗辉谧詈笠豢滩砰_始工作。優(yōu)點(diǎn)是只包含了與未知數(shù)據(jù)相關(guān)的數(shù)據(jù)，稱之為局部模型。缺點(diǎn)是，在大型訓(xùn)練數(shù)據(jù)集中會(huì)重復(fù)相同或相似的搜索過程，帶來昂貴的計(jì)算開銷。

最后，kNN的強(qiáng)大之處在于它對(duì)數(shù)據(jù)不進(jìn)行任何假設(shè)，除了任意兩個(gè)數(shù)據(jù)實(shí)例之間距離的一致計(jì)算。因此，它被稱為成為無參數(shù)或者非線性的，因?yàn)樗鼪]有預(yù)設(shè)的函數(shù)模型。

用python寫程序真的好舒服。

import numpy as np
def read_data(filename):
  '''讀取文本數(shù)據(jù)，格式：特征1  特征2 …… 類別'''
  f=open(filename,'rt')
  row_list=f.readlines() #以每行作為列表
  f.close()
  data_array=[]
  labels_vector=[]
  while True:
    if not row_list:
      break
    row=row_list.pop(0).strip().split('\t') #去除換行號(hào)，分割制表符
    temp_data_row=[float(a) for a in row[:-1]] #將字符型轉(zhuǎn)換為浮點(diǎn)型
    data_array.append(temp_data_row) #取特征值
    labels_vector.append(row[-1])  #取最后一個(gè)作為類別標(biāo)簽
  return np.array(data_array),np.array(labels_vector)

def classify(test_data,dataset,labels,k):
  '''分類'''
  diff_dis_array=test_data-dataset  #使用numpy的broadcasting
  dis_array=(np.add.reduce(diff_dis_array**2,axis=-1))**0.5  #求距離
  dis_array_index=np.argsort(dis_array)  #升序距離的索引
  class_count={}
  for i in range(k):
    temp_label=labels[dis_array_index[i]]
    class_count[temp_label]=class_count.get(temp_label,0)+1 #獲取類別及其次數(shù)的字典
  sorted_class_count=sorted(class_count.items(), key=lambda item:item[1],reverse=True)  #字典的值按降序排列
  return sorted_class_count[0][0]  #返回元組列表的[0][0]

def normalize(dataset):
  '''數(shù)據(jù)歸一化'''
  return (dataset-dataset.min(0))/(dataset.max(0)-dataset.min(0))

k=3 #近鄰數(shù)
test_data=[0,0] #待分類數(shù)據(jù)
data,labels=read_data('testdata.txt')
print('數(shù)據(jù)集：\n',data)
print('標(biāo)簽集：\n',labels)
result=classify(test_data,normalize(data),labels,k)
print('分類結(jié)果：',result)

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: