目標(biāo)

• 說明K-近鄰算法的距離公式

• 說明K-近鄰算法的超參數(shù)K值以及取值問題

• 說明K-近鄰算法的優(yōu)缺點(diǎn)

• 應(yīng)用KNeighborsClassifier實(shí)現(xiàn)分類

• 了解分類算法的評估標(biāo)準(zhǔn)準(zhǔn)確率

• 應(yīng)用：Facebook簽到位置預(yù)測

K-近鄰算法(KNN)

定義

如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，即由你的“鄰居”來推斷出你的類別

來源：KNN算法最早是由Cover和Hart提出的一種分類算法

距離公式

兩個樣本的距離可以通過如下公式計(jì)算，又叫歐式距離

曼哈頓距離 絕對值距離

明可夫斯基距離

電影類型分析

假設(shè)我們有現(xiàn)在幾部電影

其中？ 號電影不知道類別，如何去預(yù)測？我們可以利用K近鄰算法的思想

問題

如果取的最近的電影數(shù)量不一樣？會是什么結(jié)果？

k 值取值過大，樣本不均衡的影響
k 值取值過小，容易受到異常點(diǎn)影響

結(jié)合前面的約會對象數(shù)據(jù)，分析k-近鄰算法需要做怎么樣的處理

無量綱化的處理

推薦 標(biāo)準(zhǔn)還

K-近鄰算法數(shù)據(jù)的特征工程處理

結(jié)合前面的約會對象數(shù)據(jù)，分析K-近鄰算法需要做什么樣的處理

K-近鄰算法API

• sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘a(chǎn)uto’)

  • n_neighbors：int,可選（默認(rèn)= 5），k_neighbors查詢默認(rèn)使用的鄰居數(shù)

  • algorithm：{‘a(chǎn)uto’，‘ball_tree’，‘kd_tree’，‘brute’}，可選用于計(jì)算最近鄰居的算法：‘ball_tree’將會使用 BallTree，‘kd_tree’將使用 KDTree。‘a(chǎn)uto’將嘗試根據(jù)傳遞給fit方法的值來決定最合適的算法。 (不同實(shí)現(xiàn)方式影響效率)

案例1 鳶尾花種類預(yù)測

數(shù)據(jù)集介紹

Iris數(shù)據(jù)集是常用的分類實(shí)驗(yàn)數(shù)據(jù)集，由Fisher, 1936收集整理。Iris也稱鳶尾花卉數(shù)據(jù)集，是一類多重變量分析的數(shù)據(jù)集。關(guān)于數(shù)據(jù)集的具體介紹：

步驟

• 獲取數(shù)據(jù)

• 數(shù)據(jù)集劃分

• 特征工程

  • 標(biāo)準(zhǔn)化

• 機(jī)器學(xué)習(xí)訓(xùn)練 KNN 預(yù)估器流程

• 模型評估

代碼

from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import StandardScalerdef knn_iris():# 1) 獲取數(shù)據(jù)iris = load_iris()# 2) 數(shù)據(jù)集劃分x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)# 3) 特征工程 標(biāo)準(zhǔn)化transfer = StandardScaler()# 訓(xùn)練集做標(biāo)準(zhǔn)化x_train = transfer.fit_transform(x_train)# 測試集 標(biāo)準(zhǔn)化 轉(zhuǎn)化x_test = transfer.transform(x_test)# 4) KNN 預(yù)估器流程estimator = KNeighborsClassifier(n_neighbors=3)estimator.fit(x_train, y_train)# 5) 模型評估# 方法一：直接比對真實(shí)值和預(yù)測值y_predict = estimator.predict(x_test)print("預(yù)測(y_predict):\n", y_predict)print("直接比對真實(shí)值和預(yù)測值:\n", y_test == y_predict)# 方法二：計(jì)算準(zhǔn)確率score = estimator.score(x_test, y_test)print("準(zhǔn)確率為:\n", score)return Noneif __name__ == '__main__':knn_iris()

K-近鄰總結(jié)

優(yōu)點(diǎn)

簡單，易于理解，易于實(shí)現(xiàn)，無需訓(xùn)練

缺點(diǎn)

• 懶惰算法，對測試樣本分類時(shí)的計(jì)算量大，內(nèi)存開銷大

• 必須指定K值，K值選擇不當(dāng)則分類精度不能保證

• 使用場景：小數(shù)據(jù)場景，幾千～幾萬樣本，具體場景具體業(yè)務(wù)去測試

總結(jié)

以上是生活随笔為你收集整理的【机器学习】分类算法-K-近邻算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。