《机器学习实战》学习(一)——k-近邻算法(kNN)
来源:互联网 发布:js监听手机端软键盘 编辑:程序博客网 时间:2024/05/18 12:33
1、k近邻算法的理解
K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。
可以简单的理解为是通过测量与不同特征值之间的距离来进行分类。书中采用欧式距离实现k近邻算法。
2、书中例子的Python实现与注释
# -*- coding: utf-8 -*-"""Created on Thu Sep 1 09:56:34 2016@file kNN.py@brief k-近邻算法的实现@version V1.0@author: -# 2016-09-01 创建此文件"""from numpy import * # 导入科学计算包 NumPyimport operator # 导入运算符模块import osfrom os import listdir"""@brief k-近邻算法的实现 实现中采用欧氏距离公式@param [in] inX 用于分类的输入向量,需要计算此向量属于哪一类@param [in] dataSet 输入的训练样本集 @param [in] labels 训练样本集的标签向量@param [in] 用于选择最近邻居的数目@return 返回输入向量所属类别"""def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] #读取矩阵第一维的长度 即计算矩阵的行数 ;shape[1] 表示计算矩阵的列数 #进行欧氏距离计算 diffMat = tile(inX, (dataSetSize,1)) - dataSet #将输入向量inX重复 (dataSetSize,1)次是的与数据集一致,构成一个新的数组 sqDiffMat = diffMat ** 2 sqDistances = sqDiffMat.sum(axis = 1) #sum(axis = 1)就是将一个矩阵的每一行向量相加 distances = sqDistances ** 0.5 soredDistIndicies = distances.argsort() #将距离按升序排列 返回原始索引值 classCount = {} #选出距离最近的k个值 for i in range(k): voteIlabel = labels[soredDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #按照计数进行逆序排序(从大到小的顺序) sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) return sortedClassCount[0][0]"""@brief 将文本记录转换为NumPy的解析函数 解决输入格式的问题@param [in] filename 表示读入文件名@return 返回样本矩阵和类标签向量"""def file2matrix(filename): fr = open(filename) arrayOLines = fr.readlines() #读取文本数据 numberOfLines = len(arrayOLines) #获得文本行数 returnMat = zeros((numberOfLines,3)) #初始化返回的样本矩阵 numberOfLines行 3列 classLabelVector = [] #初始化返回的标签 index = 0 for line in arrayOLines: line = line.strip() #删除首尾空格 listFromLine = line.split('\t') #将字符串进行分割 returnMat[index,:] = listFromLine[0:3] classLabelVector.append(int(listFromLine[-1])) index += 1 return returnMat,classLabelVector"""@brief 将特征值进行归一化处理 函数实现自动将数字特征值转化为0到1的区间@param [in] dataSet 输入样本数据 特征值集@return [out] normDataSet 归一化后的数据特征集@return [out] ranges 变化范围@return [out] minVals 最小变量值"""def autoNorm(dataSet): minVals = dataSet.min(0) maxVals = dataSet.max(0) ranges = maxVals - minVals #变化范围 normDataSet = zeros(shape(dataSet)) #初始化一个矩阵跟原数据集一样的大小的值为0的矩阵 m = dataSet.shape[0]#获得矩阵的行数 normDataSet = dataSet - tile(minVals, (m,1)) normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide return normDataSet, ranges, minVals"""@brief 测试算法"""def datingClassTest(): hoRatio = 0.50 #hold out 10% datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #load data setfrom file normMat, ranges, minVals = autoNorm(datingDataMat) m = normMat.shape[0] numTestVecs = int(m*hoRatio) errorCount = 0.0 for i in range(numTestVecs): classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3) print ("the classifier came back with: %d, the real answer is: %d" %(classifierResult, datingLabels[i])) if (classifierResult != datingLabels[i]): errorCount += 1.0 print ("the total error rate is: %f" %(errorCount/float(numTestVecs))) print (errorCount)
3、k近邻算法优缺点总结
优点:精度高、对异常值不敏感、无数据输入假定
缺点:计算复杂度高、空间复杂度高
k-近邻算法是分类数据最简单最有效的算法,通过例子中可以看出,k近邻算法必须保存全部的数据集、如果训练数据集的很大,必须使用大量的存储空间。由于必须对数据集中的每个数据计算距离值,实际使用时可能非常耗时。
通过本节代码的学习,加入了大量的代码注释,让刚刚接触Python的编程人员来说是很重要的。通过查阅Python中提供函数的使用,加强了对Python使用技巧。所以我把自己对代码的理解写出来,希望大家一起学习,有不正确的地方还望大家给于指点。
0 0
- 机器学习实战——k-近邻算法(KNN)
- 机器学习实战——KNN(K近邻算法)
- 《机器学习实战》学习(一)——k-近邻算法(kNN)
- 《机器学习实战》学习总结(一)——K近邻算法(KNN)
- 机器学习算法—K-近邻(一)(KNN)
- 《机器学习实战》学习笔记——K-近邻算法(KNN)(一)分类器的简单实现
- 《机器学习实战》(二)k-近邻算法(KNN)
- 机器学习实战2:k近邻算法KNN(python)
- 机器学习实战1:K近邻算法(KNN)
- 机器学习——K近邻算法(KNN)
- 机器学习——K-近邻(KNN)算法
- 机器学习——K-近邻(KNN)算法
- 机器学习笔记之—K-近邻算法(KNN)
- 机器学习实战——k近邻算法(kNN)01
- 《机器学习实战》——2.k-近邻算法(KNN )函数总结
- 机器学习实战:K近邻算法(kNN)
- 【机器学习】k近邻算法(kNN)
- 机器学习--k-近邻(kNN)算法
- Java Socket实现文件传输
- Service启动流程源码分析之bindService(二)
- LeetCode 342 Power of Four (位运算)
- .operator
- 2016/9/1 训练
- 《机器学习实战》学习(一)——k-近邻算法(kNN)
- (非常重要)C++中复制构造函数与重载赋值操作符总结
- DragonBoard410C开发板HDMI简介
- 负载均衡-如何处理并发性带来的问题
- 后台启动springboot jar
- Android-GLSurfaceView简单使用
- js对象
- WebService学习总结(一)——WebService的相关概念
- iOS调用系统音频