python机器学习之KNN分类算法


Posted in Python onAugust 29, 2018

本文为大家分享了python机器学习之KNN分类算法,供大家参考,具体内容如下

1、KNN分类算法

KNN分类算法(K-Nearest-Neighbors Classification),又叫K近邻算法,是一个概念极其简单,而分类效果又很优秀的分类算法。

他的核心思想就是,要确定测试样本属于哪一类,就寻找所有训练样本中与该测试样本“距离”最近的前K个样本,然后看这K个样本大部分属于哪一类,那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。

这里所说的距离,一般最常用的就是多维空间的欧式距离。这里的维度指特征维度,即样本有几个特征就属于几维。

KNN示意图如下所示。(图片来源:百度百科)

python机器学习之KNN分类算法

上图中要确定测试样本绿色属于蓝色还是红色。

显然,当K=3时,将以1:2的投票结果分类于红色;而K=5时,将以3:2的投票结果分类于蓝色。

KNN算法简单有效,但没有优化的暴力法效率容易达到瓶颈。如样本个数为N,特征维度为D的时候,该算法时间复杂度呈O(DN)增长。

所以通常KNN的实现会把训练数据构建成K-D Tree(K-dimensional tree),构建过程很快,甚至不用计算D维欧氏距离,而搜索速度高达O(D*log(N))。

不过当D维度过高,会产生所谓的”维度灾难“,最终效率会降低到与暴力法一样。

因此通常D>20以后,最好使用更高效率的Ball-Tree,其时间复杂度为O(D*log(N))。

人们经过长期的实践发现KNN算法虽然简单,但能处理大规模的数据分类,尤其适用于样本分类边界不规则的情况。最重要的是该算法是很多高级机器学习算法的基础。

当然,KNN算法也存在一切问题。比如如果训练数据大部分都属于某一类,投票算法就有很大问题了。这时候就需要考虑设计每个投票者票的权重了。

2、测试数据

测试数据的格式仍然和前面使用的身高体重数据一致。不过数据增加了一些:

1.5 40 thin
1.5 50 fat
1.5 60 fat
1.6 40 thin
1.6 50 thin
1.6 60 fat
1.6 70 fat
1.7 50 thin
1.7 60 thin
1.7 70 fat
1.7 80 fat
1.8 60 thin
1.8 70 thin
1.8 80 fat
1.8 90 fat
1.9 80 thin
1.9 90 fat

3、Python代码

scikit-learn提供了优秀的KNN算法支持。使用Python代码如下:

# -*- coding: utf-8 -*-
import numpy as np
from sklearn import neighbors
from sklearn.metrics import precision_recall_curve
from sklearn.metrics import classification_report
from sklearn.cross_validation import train_test_split
import matplotlib.pyplot as plt
 
''' 数据读入 '''
data = []
labels = []
with open("data\\1.txt") as ifile:
 for line in ifile:
  tokens = line.strip().split(' ')
  data.append([float(tk) for tk in tokens[:-1]])
  labels.append(tokens[-1])
x = np.array(data)
labels = np.array(labels)
y = np.zeros(labels.shape)
 
''' 标签转换为0/1 '''
y[labels=='fat']=1
 
''' 拆分训练数据与测试数据 '''
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2)
 
''' 创建网格以方便绘制 '''
h = .01
x_min, x_max = x[:, 0].min() - 0.1, x[:, 0].max() + 0.1
y_min, y_max = x[:, 1].min() - 1, x[:, 1].max() + 1
xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
   np.arange(y_min, y_max, h))
 
''' 训练KNN分类器 '''
clf = neighbors.KNeighborsClassifier(algorithm='kd_tree')
clf.fit(x_train, y_train)
 
'''测试结果的打印'''
answer = clf.predict(x)
print(x)
print(answer)
print(y)
print(np.mean( answer == y))
 
'''准确率与召回率'''
precision, recall, thresholds = precision_recall_curve(y_train, clf.predict(x_train))
answer = clf.predict_proba(x)[:,1]
print(classification_report(y, answer, target_names = ['thin', 'fat']))
 
''' 将整个测试空间的分类结果用不同颜色区分开'''
answer = clf.predict_proba(np.c_[xx.ravel(), yy.ravel()])[:,1]
z = answer.reshape(xx.shape)
plt.contourf(xx, yy, z, cmap=plt.cm.Paired, alpha=0.8)
 
''' 绘制训练样本 '''
plt.scatter(x_train[:, 0], x_train[:, 1], c=y_train, cmap=plt.cm.Paired)
plt.xlabel(u'身高')
plt.ylabel(u'体重')
plt.show()

4、结果分析

其输出结果如下:

[ 0.  0.  1.  0.  0.  1.  1.  0.  0.  1.  1.  0.  0.  1.  1.  0.  1.]
[ 0.  1.  1.  0.  0.  1.  1.  0.  0.  1.  1.  0.  0.  1.  1.  0.  1.]
准确率=0.94, score=0.94
             precision    recall  f1-score   support
       thin      0.89      1.00      0.94         8
        fat       1.00      0.89      0.94         9
avg / total       0.95      0.94      0.94        17

python机器学习之KNN分类算法

KNN分类器在众多分类算法中属于最简单的之一,需要注意的地方不多。有这几点要说明:

1、KNeighborsClassifier可以设置3种算法:‘brute',‘kd_tree',‘ball_tree'。如果不知道用哪个好,设置‘auto'让KNeighborsClassifier自己根据输入去决定。

2、注意统计准确率时,分类器的score返回的是计算正确的比例,而不是R2。R2一般应用于回归问题。

3、本例先根据样本中身高体重的最大最小值,生成了一个密集网格(步长h=0.01),然后将网格中的每一个点都当成测试样本去测试,最后使用contourf函数,使用不同的颜色标注出了胖、?C两类。

容易看到,本例的分类边界,属于相对复杂,但却又与距离呈现明显规则的锯齿形。

这种边界线性函数是难以处理的。而KNN算法处理此类边界问题具有天生的优势。我们在后续的系列中会看到,这个数据集达到准确率=0.94算是很优秀的结果了。

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python 正则式 概述及常用字符
May 07 Python
判断网页编码的方法python版
Aug 12 Python
Python 基础教程之包和类的用法
Feb 23 Python
Python使用openpyxl读写excel文件的方法
Jun 30 Python
解决python写入mysql中datetime类型遇到的问题
Jun 21 Python
python leetcode 字符串相乘实例详解
Sep 03 Python
Python面向对象程序设计构造函数和析构函数用法分析
Apr 12 Python
python kafka 多线程消费者&手动提交实例
Dec 21 Python
pytorch快速搭建神经网络_Sequential操作
Jun 17 Python
Python使用struct处理二进制(pack和unpack用法)
Nov 12 Python
Django+Django-Celery+Celery的整合实战
Jan 20 Python
python中如何对多变量连续赋值
Jun 03 Python
深入理解python中sort()与sorted()的区别
Aug 29 #Python
Python实现拷贝/删除文件夹的方法详解
Aug 29 #Python
Python读写zip压缩文件的方法
Aug 29 #Python
使用python生成杨辉三角形的示例代码
Aug 29 #Python
Python实现查询某个目录下修改时间最新的文件示例
Aug 29 #Python
有关Python的22个编程技巧
Aug 29 #Python
Python实现多线程的两种方式分析
Aug 29 #Python
You might like
星际争霸 Starcraft 游戏介绍
2020/03/14 星际争霸
PHP设计聊天室步步通
2006/10/09 PHP
php递归删除目录下的文件但保留的实例分享
2014/05/10 PHP
thinkPHP3.2简单实现文件上传的方法
2016/05/16 PHP
PHP实现双链表删除与插入节点的方法示例
2017/11/11 PHP
js textarea自动增高并隐藏滚动条
2009/12/16 Javascript
浅析jQuery1.8的几个小变化
2013/12/10 Javascript
实例详解angularjs和ajax的结合使用
2015/10/22 Javascript
javascript中Date format(js日期格式化)方法小结
2015/12/17 Javascript
纯JavaScript代码实现文本比较工具
2016/02/17 Javascript
JavaScript用二分法查找数据的实例代码
2017/06/17 Javascript
webpack学习--webpack经典7分钟入门教程
2017/06/28 Javascript
Javascript通过控制类名更改样式
2019/05/24 Javascript
详解Vue中的基本语法和常用指令
2019/07/23 Javascript
使用layui实现的左侧菜单栏以及动态操作tab项方法
2019/09/10 Javascript
jQuery弹框插件使用方法详解
2020/05/26 jQuery
vue通过过滤器实现数据格式化
2020/07/20 Javascript
jQuery冲突问题解决方法
2021/01/19 jQuery
从零学python系列之从文件读取和保存数据
2014/05/23 Python
Python实现批量更换指定目录下文件扩展名的方法
2016/09/19 Python
Centos7 Python3下安装scrapy的详细步骤
2018/03/15 Python
python-django中的APPEND_SLASH实现方法
2019/06/21 Python
python TK库简单应用(实时显示子进程输出)
2019/10/29 Python
Python Scrapy框架第一个入门程序示例
2020/02/05 Python
python3+opencv生成不规则黑白mask实例
2020/02/19 Python
浅谈python多线程和多线程变量共享问题介绍
2020/04/17 Python
Windows下Anaconda和PyCharm的安装与使用详解
2020/04/23 Python
印尼太阳百货公司网站:Matahari
2018/02/04 全球购物
小学音乐教学反思
2014/02/05 职场文书
经典英文广告词
2014/03/18 职场文书
亲子运动会的活动方案
2014/08/17 职场文书
语文课外活动总结
2014/08/27 职场文书
2016年“6.26”禁毒宣传月系列活动总结
2016/04/05 职场文书
python3 sqlite3限制条件查询的操作
2021/04/07 Python
SQL Server代理:理解SQL代理错误日志处理方法
2021/06/30 SQL Server
MySQL query_cache_type 参数与使用详解
2021/07/01 MySQL