机器学习

机器学习-分类算法-K-近邻算法

本文主要是介绍机器学习-分类算法-K-近邻算法,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

目标

  • 说明K-近邻算法的距离公式

  • 说明K-近邻算法的超参数K值以及取值问题

  • 说明K-近邻算法的优缺点

  • 应用KNeighborsClassifier实现分类

  • 了解分类算法的评估标准准确率

  • 应用:Facebook签到位置预测

K-近邻算法(KNN)

定义

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,即由你的“邻居”来推断出你的类别

来源:KNN算法最早是由Cover和Hart提出的一种分类算法

距离公式

两个样本的距离可以通过如下公式计算,又叫欧式距离

http://img2.sycdn.imooc.com/6117c0610001d38806460151.jpg

曼哈顿距离 绝对值距离

明可夫斯基距离

电影类型分析

假设我们有现在几部电影

http://img3.sycdn.imooc.com/6117c0610001b88612540546.jpg

其中? 号电影不知道类别,如何去预测?我们可以利用K近邻算法的思想

http://img1.sycdn.imooc.com/6117c0620001f01108620340.jpg

问题

如果取的最近的电影数量不一样?会是什么结果?

k 值取值过大,样本不均衡的影响
k 值取值过小,容易受到异常点影响

结合前面的约会对象数据,分析k-近邻算法需要做怎么样的处理

无量纲化的处理

推荐 标准还

K-近邻算法数据的特征工程处理

结合前面的约会对象数据,分析K-近邻算法需要做什么样的处理

K-近邻算法API

  • sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')

    • n_neighbors:int,可选(默认= 5),k_neighbors查询默认使用的邻居数

    • algorithm:{‘auto’,‘ball_tree’,‘kd_tree’,‘brute’},可选用于计算最近邻居的算法:‘ball_tree’将会使用 BallTree,‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)

案例1 鸢尾花种类预测

数据集介绍

Iris数据集是常用的分类实验数据集,由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集,是一类多重变量分析的数据集。关于数据集的具体介绍:

http://img2.sycdn.imooc.com/6117c0620001385714181004.jpg

步骤

  • 获取数据

  • 数据集划分

  • 特征工程

    • 标准化

  • 机器学习训练 KNN 预估器流程

  • 模型评估

代码


from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

from sklearn.preprocessing import StandardScaler



def knn_iris():

    # 1) 获取数据

    iris = load_iris()


    # 2) 数据集划分

    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)


    # 3) 特征工程 标准化

    transfer = StandardScaler()

    # 训练集做标准化

    x_train = transfer.fit_transform(x_train)


    # 测试集 标准化 转化

    x_test = transfer.transform(x_test)


    # 4) KNN 预估器流程

    estimator = KNeighborsClassifier(n_neighbors=3)


    estimator.fit(x_train, y_train)


    # 5) 模型评估

    # 方法一:直接比对真实值和预测值


    y_predict = estimator.predict(x_test)


    print("预测(y_predict):\n", y_predict)

    print("直接比对真实值和预测值:\n", y_test == y_predict)


    # 方法二:计算准确率

    score = estimator.score(x_test, y_test)


    print("准确率为:\n", score)


    return None



if __name__ == '__main__':

    knn_iris()


http://img3.sycdn.imooc.com/6117c07b00013e3922420534.jpg

K-近邻总结

优点

简单,易于理解,易于实现,无需训练

缺点

  • 懒惰算法,对测试样本分类时的计算量大,内存开销大

  • 必须指定K值,K值选择不当则分类精度不能保证

  • 使用场景:小数据场景,几千~几万样本,具体场景具体业务去测试


作者:后端码匠
链接:https://juejin.cn/post/6995745712336011271
来源:掘金
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。


这篇关于机器学习-分类算法-K-近邻算法的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!