Python机器学习k-近邻算法(K Nearest Neighbor)实例详解_Python

本文实例讲述了Python 机器学习 k-近邻算法。分享给大家供大家参考，具体如下：

工作原理

存在一份训练样本集，并且每个样本都有属于自己的标签，即我们知道每个样本集中所属于的类别。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后提取样本集中与之最相近的k个样本。观察并统计这k个样本的标签，选择数量最大的标签作为这个新数据的标签。

用以下这幅图可以很好的解释kNN算法：

Python机器学习k-近邻算法(K Nearest Neighbor)实例详解

不同形状的点，为不同标签的点。其中绿色点为未知标签的数据点。现在要对绿色点进行预测。由图不难得出：

如果k=3，那么离绿色点最近的有2个红色三角形和1个蓝色的正方形，这3个点投票，于是绿色的这个待分类点属于红色的三角形。
如果k=5，那么离绿色点最近的有2个红色三角形和3个蓝色的正方形，这5个点投票，于是绿色的这个待分类点属于蓝色的正方形。

kNN算法实施

伪代码

对未知属性的数据集中的每个点执行以下操作

1. 计算已知类型类别数据集中的点与当前点之间的距离
2. 按照距离递增次序排序
3. 选取与当前点距离最小的k个点
4. 确定前k个点所在类别的出现频率
5. 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

欧式距离(计算两点之间的距离公式)

计算点x与点y之间欧式距离

Python机器学习k-近邻算法(K Nearest Neighbor)实例详解

python代码实现

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

									#! python2

									import numpy as np

									import operator

									# 训练集

									data_set = np.array([[1., 1.1],

									           [1.0, 1.0],

									           [0., 0.],

									           [0, 0.1]])

									labels = ['A', 'A', 'B', 'B']

									def classify_knn(in_vector, training_data, training_label, k):

									  """

									  :param in_vector: 待分类向量

									  :param training_data: 训练集向量

									  :param training_label: 训练集标签

									  :param k: 选择最近邻居的数目

									  :return: 分类器对 in_vector 分类的类别

									  """

									  data_size = training_data.shape[0] # .shape[0] 返回二维数组的行数

									  diff_mat = np.tile(in_vector, (data_size, 1)) - data_set # np.tile(array, (3, 2)) 对 array 进行 3×2 扩展为二维数组

									  sq_diff_mat = diff_mat ** 2

									  sq_distances = sq_diff_mat.sum(axis=1) # .sum(axis=1) 矩阵以列求和

									  # distances = sq_distances ** 0.5 # 主要是通过比较求最近点,所以没有必要求平方根

									  distances_sorted_index = sq_distances.argsort() # .argsort() 对array进行排序 返回排序后对应的索引

									  class_count_dict = {} # 用于统计类别的个数

									  for i in range(k):

									    label = training_label[distances_sorted_index[i]]

									    try:

									      class_count_dict[label] += 1

									    except KeyError:

									      class_count_dict[label] = 1

									  class_count_dict = sorted(class_count_dict.iteritems(), key=operator.itemgetter(1), reverse=True) # 根据字典的value值对字典进行逆序排序

									  return class_count_dict[0][0]

									if __name__ == '__main__':

									  vector = [0, 0] # 待分类数据集

									  print classify_knn(in_vector=vector, training_data=data_set, training_label=labels, k=3)