機器學習 KNN K 最鄰近演算法

k 近鄰學習是一種常用的監督學習方法，比如：判斷乙個人的人品，只需要觀察與他來往最密切的幾個人的人品好壞就可以得出，即「近朱者赤，近墨者黑」。

理論/原理：「物以類聚，人以群分」

藍方塊和紅三角均是已有分類資料，當前的任務是將綠色圓塊進行分類判斷，判斷是屬於藍方塊或者紅三角。

當然這裡的分類還跟k值是有關的：

如果k=3(實線圈)，紅三角佔比2/3，則判斷為紅三角；

如果k=5(虛線圈)，藍方塊佔比3/5，則判斷為藍方塊。

由此可以看出knn演算法實際上根本就不用進行訓練，而是直接進行計算的，訓練時間為0，計算時間為訓練集規模n。

knn演算法的基本要素大致有3個：

1、k 值的選擇

2、距離的度量

3、分類決策規則

# -*- coding: utf-8 -*-

import numpy as np  # 科學計算包numpy
import operator  # 運算子模組
"""對未知類別屬性的資料集中的每個點依次執行一下操作：
（1）計算已知類別資料集中的點與當前點之間的距離 
（2）按照距離遞增次序排序 
（3）選取與當前點距離最小的k個點 
（4）確定前k個點所在類別的出現頻數 
（5）返回當前k個點出現頻數最高的類別作為當前點的**分類
近朱者赤，近墨者黑」
理論/原理：「物以類聚，人以群分」
"""# k-近鄰演算法
def knn(inx, dataset, labels, k):  # 輸入向量，訓練資料，標籤，引數k
datasetsize = dataset.shape[0]  # 資料個數
# 計算差值
"""tile函式：將輸入向量變成和訓練資料一樣的形狀
例如：輸入向量為[1.2, 1]，
訓練資料為:
[[1.0, 1.1],
[1.0, 1.0],
[  0,   0],
[  0, 0.1]]
變換後為：
[[1.2,   1],
[1.2,   1],
[1.2,   1],
[1.2,   1]]
"""diffmat = np.tile(inx, (datasetsize, 1)) - dataset  # 計算對應元素的差值
sqdiffmat = diffmat ** 2  # 每個元素分別平方
sqdistances = sqdiffmat.sum(axis=1)  # 按行求和
distances = sqdistances ** 0.5  # 開根號  歐氏距離，求得每個訓練資料到輸入資料的距離
sorteddistindicies = distances.argsort()  # 返回陣列值從小到大的索引
classcount = {}  # 建立乙個字典，用於記錄每個例項對應的頻數
for i in range(k):
voteilabel = labels[sorteddistindicies[i]]  # 選擇k個距離最小的點，對應標籤
classcount[voteilabel] = classcount.get(voteilabel, 0) + 1  # 統計頻數
sortedclasscount = sorted(classcount.items(), key=operator.itemgetter(1), reverse=true)
"""operator.itemgetter(1):返回前面classcount迭代器中的第1列
sorted中key指定按value值排序
reverse=true降序
"""return sortedclasscount[0][0]  # 返回最多的，多數表決法
# 1.資料獲取
def createdataset():
group = np.array([
[1.0, 1.1],
[1.0, 1.0],
[0, 0],
[0, 0.1]
])labels = ['a', 'a', 'b', 'b']
return group, labels
# 檢視資料
group, labels = createdataset()
print("訓練資料:", group)
print("標籤:", labels)
# **
result = knn([1.2, 1], group, labels, 3)
print("**標籤為：", result)

#knn-k-最臨近演算法

#inx為待分類向量，dataset為訓練資料集
#labels為訓練集對應分類，k最鄰近演算法
def classify0(inx, dataset, labels, k):
datasetsize = dataset.shape[0]#獲得dataset的行數
diffmat = np.tile(inx, (datasetsize,1)) - dataset#對應的差值
sqdiffmat = diffmat**2                           #差的平方
sqdistances = sqdiffmat.sum(axis=1)              #差的平方的和
distances = sqdistances**0.5                     #差的平方的和的平方根
#計算待分類向量與每乙個訓練資料集的歐氏距離   
sorteddistindicies = distances.argsort() #排序後，統計前面k個資料的分類情況
classcount={}#字典
for i in range(k):
voteilabel = labels[sorteddistindicies[i]]#labels得是字典才可以如此
classcount[voteilabel] = classcount.get(voteilabel,0) + 1
sortedclasscount = sorted(classcount.iteritems(), key=operator.itemgetter(1), reverse=true)#再次排序
return sortedclasscount[0][0]#第乙個就是最多的類別

機器學習 KNN K 最鄰近演算法

knn分類演算法，是理論上比較成熟的方法，也是最簡單的機器學習演算法之一。該方法的思路是 如果乙個樣本在特徵空間中的k個最相似 即特徵空間中最鄰近 的樣本中的大多數屬於某乙個類別，則該樣本也屬於這個類別。knn演算法中，所選擇的鄰居都是已經正確分類的物件。該方法在定類決策上只依據最鄰近的乙個或者幾個...

機器學習演算法之 KNN k鄰近演算法

k 鄰近演算法應該是機器學習中最簡單的演算法了，也很容易理解。場景 已知一組資料 點 並按照某些屬性對其進行了分類，比如 a，b，c，這就是資料的labels 對於新來的資料，已知其屬性，對其進行分類，加label。k近鄰對於如何分類的做法就是，根據屬性，1.求出未知點到已知所有點的距離 2.對所有...

機器學習演算法之 kNN k 鄰近演算法

knn 演算法 k 臨近演算法，最基本的機器學習演算法之一，簡單講就是已有標本資料，計算 的資料和每個標本資料的特徵距離 如歐氏距離 距離近的標本資料型別作為 資料的型別。原理 已有訓練樣本集，新的資料和訓練樣本特徵比較，訓練樣本集中取特徵最相似資料的標籤。一般來說先找前k個最相似的 資料，這就是k...