为了账号安全,请及时绑定邮箱和手机立即绑定

机器学习-分类算法-K-近邻算法

标签:
机器学习

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

https://img1.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

https://img1.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

https://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:

https://img1.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()


https://img1.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。


点击查看更多内容
TA 点赞

若觉得本文不错,就分享一下吧!

评论

作者其他优质文章

正在加载中
  • 推荐
  • 评论
  • 收藏
  • 共同学习,写下你的评论
感谢您的支持,我会继续努力的~
扫码打赏,你说多少就多少
赞赏金额会直接到老师账户
支付方式
打开微信扫一扫,即可进行扫码打赏哦
今天注册有机会得

100积分直接送

付费专栏免费学

大额优惠券免费领

立即参与 放弃机会
意见反馈 帮助中心 APP下载
官方微信

举报

0/150
提交
取消