原理介绍:首先存在一组训练样本集,而且每个样本都对应一个标签 ,即知道每一个样本所属的类别。输入预测数据,计算预测数据与每个样本的欧氏距离当作其相似性度量,然后提取前K个距离最小的数据,选择K个最相似数据中出现次数最多的分类,作为预测数据的分类,通常k是不大于20的整数。
- 优点:精度高,对异常值不敏感
- 缺点:计算复杂度高、空间复杂度高频
K-nearst-neighbor:
- 计算已知类别数据集中的点与当前点之间的距离;
- 按照距离升序排列;
- 选取与当前点距离最小的前K个点;
- 确定前K个点所在类别的出现频率;
- 返回前K个点出现频率最高的类别作为当前点的预测分类。
1、 新建名为KNN.py的模块,用来生成训练数据集和样本标签:
import numpy as np
def createDateSet():
group = np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels = ['A','A','B','B']
return group,labels
2、新建名为KNN-classifier模块,用于预测分类:
#通过前面新建的KNN.py文件来生成数据集和标签
import KNN
group,labels = createDateSet()
import matplotlib.pyplot as plt
plt.scatter(group[:,0],group[:,1])
训练数据集分布如下,右上角为A,左下角为B:
#K-nearst-neighbor
import operator
def classify0(inX,dataSet,labels,k):
dataSetSize = dataSet.shape[0]#获得dataSet的行数
#计算欧氏距离
sub = np.tile(inX,(dataSetSize,1)) - dataSet#np.tile()平铺
sqr = sub**2
distances = (sqr.sum(axis=1))**0.5
sortDis = distances.argsort()#返回排序后元素在原数组中对应的位置
classCount = {}
for i in range(k):
voteLabel = labels[sortDis[i]]#键
classCount[voteLabel] = classCount.get(voteLabel,0)+1#获取键值,将该键对应的元素值赋0再加1
#dict.items()以列表形式返回字典键值对,lambda x:x[k]k为0时按键排序,k为1时按键值排序
result = sorted(classCount.items(),key= lambda x:x[1], reverse = True)
return result[0][0]
其中inX为输入数据向量,dataSet为训练样本集,labels为样本标签,k表示用于选择最近邻的数目。
3、输入一个数据进行预测:
classify0([0.1,0.2],group,labels,2)
运行结果:B