[机器学习]-K近邻-最简单的入门实战例子
本篇文章分为两个部分，前一部分主要简单介绍K近邻，后一部分是一个例子
第一部分--K近邻简介
从字面意思就可以容易看出，所谓的K近邻，就是找到某个样本距离（这里的距离可以是欧式距离，曼哈顿距离，切比雪夫距离等）最近的K个数据，根据最近的K个邻居属于什么分类，来判断这个样本属于什么分类。
简单说一下优缺点：
优点：简单，适合于多分类问题(multi-modal,对象具有多个类别标签)， kNN比SVM的表现要好。
缺点：I:计算量大 II.如果某个分类占绝对优势，分类的效果很差，比如，印度阿三主要是黑人，如果你随便找个人，
使用K近邻判断这个人是不是黑人，这个人周围可能都是黑人，所以不适合这种类型的数据集。
第二部分--实战例子
数据集：iris数据集，这是个什么样的数据集呢？
通过3种鸢尾属植物的花的四个属性（萼片长度(sepal length)、萼片宽度sepalwidth)、花瓣长度(petal length)和花瓣宽度(petal width)） 来判断属于哪一种鸢尾属植物，这三种鸢尾属植物分别是setosa、versic010r和virginica。
数据集地址：iris数据集 将数据复制到txt文件中。
代码：
import csv import random import math import operator #装载数据集 def loadDataset(filename, split, trainingSet = [], testSet = []): with open(filename, 'rt') as csvfile: lines = csv.reader(csvfile) dataset = list(lines) for x in range(len(dataset)-1): for y in range(4): # print(type(dataset[x][y])) dataset[x][y] = float(dataset[x][y]) if random.random() < split: trainingSet.append(dataset[x]) else: testSet.append(dataset[x]) #计算样本之间的欧式距离 def euclideanDistance(instance1, instance2, length): distance = 0 for x in range(length): distance += pow((instance1[x]-instance2[x]), 2) return math.sqrt(distance) #找到相邻的k个样本 def getNeighbors(trainingSet, testInstance, k): distances = [] length = len(testInstance)-1 for x in range(len(trainingSet)): #testinstance dist = euclideanDistance(testInstance, trainingSet[x], length) distances.append((trainingSet[x], dist)) """ operator模块提供的itemgetter函数用于获取对象的哪些维的数据，参数为一些序号 """ #distances是一个list里面放的tuple，tuple第二个元素是距离，这里就是根据距离排序，默认升序 distances.sort(key=operator.itemgetter(1)) neighbors = [] for x in range(k): neighbors.append(distances[x][0]) return neighbors #找到k个样本中出现最多的分类，并返回 def getResponse(neighbors): classVotes = {} for x in range(len(neighbors)): response = neighbors[x][-1] if response in classVotes: classVotes[response] += 1 else: classVotes[response] = 1 """ 注意，python3中字典的iteritems()方法已经取消，只有item() """ # sortedVotes = sorted(classVotes.iteritems(), key=operator.itemgetter(1), reverse=True) """ sort 与 sorted 区别： sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。 list 的 sort 方法返回的是对已经存在的列表进行操作，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。 reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认） """ """ print(classVotes) 输出格式为：{'Iris-versicolor': 1, 'Iris-virginica': 2} """ """ print(classVotes.items()) 输出格式为：dict_items([('Iris-versicolor', 1), ('Iris-virginica', 2)]) """ sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True) """ print(sortedVotes) 输出格式为：[('Iris-virginica', 3)] """ return sortedVotes[0][0] #得到最后全部测试样本的预测准确率 def getAccuracy(testSet, predictions): correct = 0 for x in range(len(testSet)): if testSet[x][-1] == predictions[x]: correct += 1 return (correct/float(len(testSet)))*100.0 #主函数 def main(): #prepare data trainingSet = [] testSet = [] split = 0.67 #0.67相当于2/3，就是说2/3是训练集，1/3是测试集，整个iris数据集中有150个数据 loadDataset(r'../data/DTree/irisdata.txt', split, trainingSet, testSet) # print(trainingSet) print ('训练集样本数: ' + repr(len(trainingSet))) print ('测试集样本数: ' + repr(len(testSet))) #generate predictions predictions = [] k = 3 for x in range(len(testSet)): # trainingsettrainingSet[x] neighbors = getNeighbors(trainingSet, testSet[x], k) result = getResponse(neighbors) predictions.append(result) if result == testSet[x][-1]: correct = True else: correct = False print ('预测结果：' + repr(result) + ', 实际值=' + repr(testSet[x][-1]) + ', 是否预测正确=' + repr(correct)) accuracy = getAccuracy(testSet, predictions) #整个测试集预测准确率 print('准确率: ' + repr(accuracy) + '%') if __name__ == '__main__': main()
输出结果为：
训练集样本数: 109 测试集样本数: 41 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-setosa', 实际值='Iris-setosa', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-versicolor', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-versicolor', 实际值='Iris-virginica', 是否预测正确=False 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 预测结果：'Iris-virginica', 实际值='Iris-virginica', 是否预测正确=True 准确率: 97.5609756097561%
