純python實現機器學習之kNN演算法樣本，pythonknn演算法樣本

純python實現機器學習之kNN演算法樣本，pythonknn演算法樣本

前面文章分別簡單介紹了線性迴歸，羅吉斯迴歸，貝葉斯分類，並且用python簡單實現。這篇文章介紹更簡單的 knn， k-近鄰演算法（kNN，k-NearestNeighbor）。

k-近鄰演算法（kNN，k-NearestNeighbor），是最簡單的機器學習分類演算法之一，其核心思想在於用距離目標最近的k個樣本資料的分類來代表目標的分類（這k個樣本資料和目標資料最為相似）。

原理

kNN演算法的核心思想是用距離最近(多種衡量距離的方式)的k個樣本資料來代表目標資料的分類。

具體講，存在訓練樣本集， 每個樣本都包含資料特徵和所屬分類值。

輸入新的資料，將該資料和訓練樣本集匯中每一個樣本比較，找到距離最近的k個，在k個資料中，出現次數做多的那個分類，即可作為新資料的分類。

如：

需要判斷綠色是什麼形狀。當k等於3時，屬於三角。當k等於5是，屬於方形。

因此該方法具有一下特點：

1. 監督學習：訓練樣本集中含有分類資訊
2. 演算法簡單， 易於理解實現
3. 結果收到k值的影響，k一般不超過20.
4. 計算量大，需要計算與樣本集中每個樣本的距離。
5. 訓練樣本集不平衡導致結果不準確問題

接下來用oython 做個簡單實現， 並且嘗試用於約會網站配對。

python簡單實現

def classify(inX, dataSet, labels, k):  """  定義knn演算法分類器函數  :param inX: 測試資料  :param dataSet: 訓練資料  :param labels: 分類類別  :param k: k值  :return: 所屬分類  """  dataSetSize = dataSet.shape[0] #shape（m, n）m列n個特徵  diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet  sqDiffMat = diffMat ** 2  sqDistances = sqDiffMat.sum(axis=1)  distances = sqDistances ** 0.5 #歐式距離  sortedDistIndicies = distances.argsort() #排序並返回index  classCount = {}  for i in range(k):    voteIlabel = labels[sortedDistIndicies[i]]    classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 #default 0  sortedClassCount = sorted(classCount.items(), key=lambda d:d[1], reverse=True)  return sortedClassCount[0][0]

演算法的步驟上面有詳細的介紹，上面的計算是矩陣運算，下面一個函數是代數運算，做個比較理解。

def classify_two(inX, dataSet, labels, k):  m, n = dataSet.shape  # shape（m, n）m列n個特徵  # 計算測試資料到每個點的歐式距離  distances = []  for i in range(m):    sum = 0    for j in range(n):      sum += (inX[j] - dataSet[i][j]) ** 2    distances.append(sum ** 0.5)  sortDist = sorted(distances)  # k 個最近的值所屬的類別  classCount = {}  for i in range(k):    voteLabel = labels[ distances.index(sortDist[i])]    classCount[voteLabel] = classCount.get(voteLabel, 0) + 1 # 0:map default  sortedClass = sorted(classCount.items(), key=lambda d:d[1], reverse=True)  return sortedClass[0][0]

有了上面的分類器，下面進行最簡單的實驗來預測一下：

def createDataSet():  group = np.array([[1, 1.1], [1, 1], [0, 0], [0, 0.1]])  labels = ['A', 'A', 'B', 'B']  return group, labels

上面是一個簡單的訓練樣本集。

if __name__ == '__main__':  dataSet, labels = createDataSet()  r = classify_two([0, 0.2], dataSet, labels, 3)  print(r)

執行上述函數：可以看到輸出B， [0 ,0.2]應該歸入b類。

上面就是一個最簡單的kNN分類器，下面有個例子。

kNN用於判斷婚戀網站中人的受歡迎程度

訓練樣本集中部分資料如下：

40920 8.326976 0.953952 314488 7.153469 1.673904 226052 1.441871 0.805124 175136 13.147394 0.428964 138344 1.669788 0.134296 1

第一列表示每年獲得的飛行常客裡程數， 第二列表示玩視頻遊戲所耗時間百分比， 第三類表示每周消費的冰淇淋公升數。第四列表示分類結果，1， 2， 3 分別是 不喜歡，魅力一般，極具魅力。

將資料轉換成numpy。

# 文本轉換成numpydef file2matrix(filepath="datingSet.csv"):  dataSet = np.loadtxt(filepath)  returnMat = dataSet[:, 0:-1]  classlabelVector = dataSet[:, -1:]  return returnMat, classlabelVector

首先對資料有個感知，知道是哪些特徵影響分類，進行可視化資料分析。

# 2， 3列資料進行分析def show_2_3_fig():  data, cls = file2matrix()  fig = plt.figure()  ax = fig.add_subplot(111)  ax.scatter(data[:, 1], data[: ,2], c=cls)  plt.xlabel("playing game")  plt.ylabel("Icm Cream")  plt.show()

如可以看到並無明顯的分類。

可以看到不同的人根據特徵有明顯的區分。因此可以使用kNN演算法來進行分類和預測。

由於後面要用到距離比較，因此資料之前的影響較大， 比如飛機裡程和冰淇淋數目之間的差距太大。因此需要對資料進行歸一化處理。

# 資料歸一化def autoNorm(dataSet):  minVal = dataSet.min(0)  maxVal = dataSet.max(0)  ranges = maxVal - minVal  normDataSet = np.zeros(dataSet.shape)  m, n = dataSet.shape # 行， 特徵  normDataSet = dataSet - minVal  normDataSet = normDataSet / ranges  return normDataSet, ranges, minVal

衡量演算法的準確性

knn演算法可以用正確率或者錯誤率來衡量。錯誤率為0，表示分類很好。

因此可以將訓練樣本中的10%用於測試，90%用於訓練。

# 定義測試演算法的函數def datingClassTest(h=0.1):  hoRatio = h  datingDataMat, datingLabels = file2matrix()  normMat, ranges, minVals = autoNorm(datingDataMat)  m, n = normMat.shape  numTestVecs = int(m * hoRatio) #測試資料行數  errorCount = 0 # 錯誤分類數  # 用前10%的資料做測試  for i in range(numTestVecs):    classifierResult = classify(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)    # print('the classifier came back with: %d,the real answer is: %d' % (int(classifierResult), int(datingLabels[i])))    if classifierResult != datingLabels[i]:      errorCount += 1  print("the total error rate is: %f" % (errorCount / float(numTestVecs)))

調整不同的測試比例，對比結果。

使用knn進行預測。

有了訓練樣本和分類器，對新資料可以進行預測。類比資料並進行預測如下：

# 簡單進行預測def classifypersion():  resultList = ["none", 'not at all','in small doses','in large doses']  # 類比資料  ffmiles = 15360  playing_game = 8.545204  ice_name = 1.340429  datingDataMat, datingLabels = file2matrix()  normMat, ranges, minVals = autoNorm(datingDataMat)  inArr = np.array([ffmiles, playing_game, ice_name])  # 預測資料歸一化  inArr = (inArr - minVals) / ranges  classifierResult = classify(inArr, normMat, datingLabels, 3)  print(resultList[int(classifierResult)])

可以看到基本的得到所屬的分類。

完成代碼和資料請參考：

github:kNN

總結

1. kNN
2. 監督學習
3. 資料視覺效果
4. 資料歸一化，不影響計算

以上就是本文的全部內容，希望對大家的學習有所協助，也希望大家多多支援幫客之家。