怎么在python中實現(xiàn)一個k近鄰算法

怎么在python中實現(xiàn)一個k近鄰算法？很多新手對此不是很清楚，為了幫助大家解決這個難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

什么是kNN

kNN算法的模型就是整個訓(xùn)練數(shù)據(jù)集。當(dāng)需要對一個未知數(shù)據(jù)實例進(jìn)行預(yù)測時，kNN算法會在訓(xùn)練數(shù)據(jù)集中搜尋k個最相似實例。對k個最相似實例的屬性進(jìn)行歸納，將其作為對未知實例的預(yù)測。

相似性度量依賴于數(shù)據(jù)類型。對于實數(shù)，可以使用歐式距離來計算。其他類型的數(shù)據(jù)，如分類數(shù)據(jù)或二進(jìn)制數(shù)據(jù)，可以用漢明距離。

對于回歸問題，會返回k個最相似實例屬性的平均值。對于分類問題，會返回k個最相似實例屬性出現(xiàn)最多的屬性。

kNN如何工作

kNN屬于基于實例算法簇的競爭學(xué)習(xí)和懶惰學(xué)習(xí)算法。

基于實例的算法運用數(shù)據(jù)實例（或數(shù)據(jù)行）對問題進(jìn)行建模，進(jìn)而做出預(yù)測決策。kNN算法算是基于實例方法的一種極端形式，因為其保留所有的訓(xùn)練集數(shù)據(jù)作為模型的一部分。

kNN是一個競爭學(xué)習(xí)算法，因為為了做出決策，模型內(nèi)部元素（數(shù)據(jù)實例）需要互相競爭。 數(shù)據(jù)實例之間客觀相似度的計算，促使每個數(shù)據(jù)實例都希望在競爭中“獲勝”或者盡可能地與給定的未知數(shù)據(jù)實例相似，繼而在預(yù)測中做出貢獻(xiàn)。

懶惰學(xué)習(xí)是指直到需要預(yù)測時算法才建立模型。它很懶，因為它只在最后一刻才開始工作。優(yōu)點是只包含了與未知數(shù)據(jù)相關(guān)的數(shù)據(jù)，稱之為局部模型。缺點是，在大型訓(xùn)練數(shù)據(jù)集中會重復(fù)相同或相似的搜索過程，帶來昂貴的計算開銷。

最后，kNN的強大之處在于它對數(shù)據(jù)不進(jìn)行任何假設(shè)，除了任意兩個數(shù)據(jù)實例之間距離的一致計算。因此，它被稱為成為無參數(shù)或者非線性的，因為它沒有預(yù)設(shè)的函數(shù)模型。

用python寫程序真的好舒服。

import numpy as np
def read_data(filename):
  '''讀取文本數(shù)據(jù)，格式：特征1  特征2 …… 類別'''
  f=open(filename,'rt')
  row_list=f.readlines() #以每行作為列表
  f.close()
  data_array=[]
  labels_vector=[]
  while True:
    if not row_list:
      break
    row=row_list.pop(0).strip().split('\t') #去除換行號，分割制表符
    temp_data_row=[float(a) for a in row[:-1]] #將字符型轉(zhuǎn)換為浮點型
    data_array.append(temp_data_row) #取特征值
    labels_vector.append(row[-1])  #取最后一個作為類別標(biāo)簽
  return np.array(data_array),np.array(labels_vector)

def classify(test_data,dataset,labels,k):
  '''分類'''
  diff_dis_array=test_data-dataset  #使用numpy的broadcasting
  dis_array=(np.add.reduce(diff_dis_array**2,axis=-1))**0.5  #求距離
  dis_array_index=np.argsort(dis_array)  #升序距離的索引
  class_count={}
  for i in range(k):
    temp_label=labels[dis_array_index[i]]
    class_count[temp_label]=class_count.get(temp_label,0)+1 #獲取類別及其次數(shù)的字典
  sorted_class_count=sorted(class_count.items(), key=lambda item:item[1],reverse=True)  #字典的值按降序排列
  return sorted_class_count[0][0]  #返回元組列表的[0][0]

def normalize(dataset):
  '''數(shù)據(jù)歸一化'''
  return (dataset-dataset.min(0))/(dataset.max(0)-dataset.min(0))

k=3 #近鄰數(shù)
test_data=[0,0] #待分類數(shù)據(jù)
data,labels=read_data('testdata.txt')
print('數(shù)據(jù)集：\n',data)
print('標(biāo)簽集：\n',labels)
result=classify(test_data,normalize(data),labels,k)
print('分類結(jié)果：',result)

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注億速云行業(yè)資訊頻道，感謝您對億速云的支持。