溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
機器學(xué)習(xí)分兩大類，有監(jiān)督學(xué)習(xí)(supervised learning)和無監(jiān)督學(xué)習(xí)(unsupervised learning)。有監(jiān)督學(xué)習(xí)又可分兩類：分類（classification.）和回歸（regression），分類的任務(wù)就是把一個樣本劃為某個已知類別，每個樣本的類別信息在訓(xùn)練時需要給定，比如人臉識別、行為識別、目標檢測等都屬于分類?；貧w的任務(wù)則是預(yù)測一個數(shù)值，比如給定房屋市場的數(shù)據(jù)（面積，位置等樣本信息）來預(yù)測房價走勢。而無監(jiān)督學(xué)習(xí)也可以成兩類：聚類（clustering）和密度估計（density estimation）,聚類則是把一堆數(shù)據(jù)聚成弱干組，沒有類別信息；密度估計則是估計一堆數(shù)據(jù)的統(tǒng)計參數(shù)信息來描述數(shù)據(jù),比如深度學(xué)習(xí)的RBM。
根據(jù)機器學(xué)習(xí)實戰(zhàn)講解順序，先學(xué)習(xí)K近鄰法（K Nearest Neighbors-KNN）
K近鄰法是有監(jiān)督學(xué)習(xí)方法，原理很簡單，假設(shè)我們有一堆分好類的樣本數(shù)據(jù)，分好類表示每個樣本都一個對應(yīng)的已知類標簽，當(dāng)來一個測試樣本要我們判斷它的類別是，就分別計算到每個樣本的距離，然后選取離測試樣本最近的前K個樣本的標簽累計投票，得票數(shù)最多的那個標簽就為測試樣本的標簽。
例子（電影分類）：
（圖一）
（圖一）中橫坐標表示一部電影中的打斗統(tǒng)計個數(shù)，縱坐標表示接吻次數(shù)。我們要對（圖一）中的問號這部電影進行分類，其他幾部電影的統(tǒng)計數(shù)據(jù)和類別如（圖二）所示：
（圖二）
從（圖二）中可以看出有三部電影的類別是Romance,有三部電影的類別是Action,那如何判斷問號表示的這部電影的類別？根據(jù)KNN原理,我們需要在（圖一）所示的坐標系中計算問號到所有其他電影之間的距離。計算出的歐式距離如（圖三）所示：
（圖三）
由于我們的標簽只有兩類，那假設(shè)我們選K=6/2=3,由于前三個距離最近的電影都是Romance,那么問號表示的電影被判定為Romance。
代碼實戰(zhàn)（Python版本）：
先來看看KNN的實現(xiàn)：
from numpy import *
import operator
from os import listdir
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0] #獲取一條樣本大小
diffMat = tile(inX, (dataSetSize,1)) - dataSet #計算距離
sqDiffMat = diffMat**2 #計算距離
sqDistances = sqDiffMat.sum(axis=1) #計算距離
distances = sqDistances**0.5 #計算距離
sortedDistIndicies = distances.argsort() #距離排序
classCount={}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]] #前K個距離最近的投票統(tǒng)計
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #前K個距離最近的投票統(tǒng)計
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #對投票統(tǒng)計進行排序
return sortedClassCount[0][0] #返回最高投票的類別
下面取一些樣本測試KNN：
def file2matrix(filename):
fr = open(filename)
numberOfLines = len(fr.readlines()) #get the number of lines in the file
returnMat = zeros((numberOfLines,3)) #prepare matrix to return
classLabelVector = [] #prepare labels return
fr = open(filename)
index = 0
for line in fr.readlines():
line = line.strip()
listFromLine = line.split('\t')
returnMat[index,:] = listFromLine[0:3]
classLabelVector.append(int(listFromLine[-1]))
index += 1
return returnMat,classLabelVector
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet))
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals, (m,1))
normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide
return normDataSet, ranges, minVals
def datingClassTest():
hoRatio = 0.50 #hold out 50%
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
上面的代碼中第一個函數(shù)從文本文件中讀取樣本數(shù)據(jù)，第二個函數(shù)把樣本歸一化，歸一化的好處就是降低樣本不同特征之間數(shù)值量級對距離計算的顯著性影響
datingClassTest則是對KNN測試，留了一半數(shù)據(jù)進行測試，文本文件中的每條數(shù)據(jù)都有標簽，這樣可以計算錯誤率，運行的錯誤率為：the total error rate is: 0.064000
總結(jié)：
優(yōu)點：高精度，對離群點不敏感，對數(shù)據(jù)不需要假設(shè)模型
缺點：判定時計算量太大，需要大量的內(nèi)存
工作方式：數(shù)值或者類別
下面挑選一步樣本數(shù)據(jù)發(fā)出來：
參考文獻：machine learning in action
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼