转载： scikit-learn学习之K最近邻算法(KNN)

版权声明：<—— 本文为作者呕心沥血打造，若要转载，请注明出处@http://blog.csdn.net/gamer_gyt <——

目录(?)[+]

======================================================================
本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行，并进行部分翻译，如有错误，请大家指正

======================================================================

决策树的算法分析与Python代码实现请参考之前的一篇博客：K最近邻Python实现
  接下来我主要演示怎么使用Scikit-Learn完成决策树算法的调用

Scikit-Learn中 sklearn.neighbors的函数包括（点击查看来源URL）


The sklearn.neighbors module
implements the k-nearest neighbors algorithm.

User guide: See the Nearest Neighbors section
for further details.


neighbors.NearestNeighbors([n_neighbors, ...])
Classifier implementing the k-nearest neighbors vote.

Classifier implementing a vote among neighbors within a given radius
neighbors.KNeighborsRegressor([n_neighbors, ...])
neighbors.RadiusNeighborsRegressor([radius, ...])
neighbors.NearestCentroid([metric, ...])

BallTree for fast generalized N-point problems

KDTree for fast generalized N-point problems
neighbors.LSHForest([n_estimators, radius, ...])

DistanceMetric class
neighbors.KernelDensity([bandwidth, ...])

Unsupervised learner for implementing neighbor searches.
Regression based on k-nearest neighbors.
Regression based on neighbors within a fixed radius.
Nearest centroid classifier.
Performs approximate nearest neighbor search using LSH forest.
Kernel Density Estimation


neighbors.kneighbors_graph(X, n_neighbors[, ...])neighbors.radius_neighbors_graph(X, radius)

Computes the (weighted) graph of k-Neighbors for points in X
Computes the (weighted) graph of Neighbors for points in X

首先看一个简单的小例子：

sklearn.neighbors.NearestNeighbors具体说明查看：URL 
在这只是将用到的加以注释

[python] view plain copy

  1. #coding:utf-8
  2. ‘‘‘‘‘
  3. Created on 2016/4/24
  4. @author: Gamer Think
  5. ‘‘‘
  6. #导入NearestNeighbor包 和 numpy
  7. from sklearn.neighbors import NearestNeighbors
  8. import numpy as np
  9. #定义一个数组
  10. X = np.array([[-1,-1],
  11. [-2,-1],
  12. [-3,-2],
  13. [1,1],
  14. [2,1],
  15. [3,2]
  16. ])
  17. """
  18. NearestNeighbors用到的参数解释
  19. n_neighbors=5,默认值为5，表示查询k个最近邻的数目
  20. algorithm=‘auto‘,指定用于计算最近邻的算法，auto表示试图采用最适合的算法计算最近邻
  21. fit(X)表示用X来训练算法
  22. """
  23. nbrs = NearestNeighbors(n_neighbors=3, algorithm="ball_tree").fit(X)
  24. #返回距离每个点k个最近的点和距离指数，indices可以理解为表示点的下标，distances为距离
  25. distances, indices = nbrs.kneighbors(X)
  26. print indices
  27. print distances

输出结果为：


执行

[python] view plain copy

  1. #输出的是求解n个最近邻点后的矩阵图，1表示是最近点，0表示不是最近点
  2. print nbrs.kneighbors_graph(X).toarray()

[python] view plain copy

  1. #测试 KDTree
  2. ‘‘‘‘‘
  3. leaf_size:切换到蛮力的点数。改变leaf_size不会影响查询结果，
  4. 但能显著影响查询和存储所需的存储构造树的速度。
  5. 需要存储树的规模约n_samples / leaf_size内存量。
  6. 为指定的leaf_size，叶节点是保证满足leaf_size <= n_points < = 2 * leaf_size，
  7. 除了在的情况下，n_samples < leaf_size。
  8. metric:用于树的距离度量。默认‘minkowski与P = 2（即欧氏度量）。
  9. 看到一个可用的度量的距离度量类的文档。
  10. kd_tree.valid_metrics列举这是有效的基础指标。
  11. ‘‘‘
  12. from sklearn.neighbors import KDTree
  13. import numpy as np
  14. X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
  15. kdt = KDTree(X,leaf_size=30,metric="euclidean")
  16. print kdt.query(X, k=3, return_distance=False)
  17. #测试 BallTree
  18. from sklearn.neighbors import BallTree
  19. import numpy as np
  20. X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
  21. bt = BallTree(X,leaf_size=30,metric="euclidean")
  22. print bt.query(X, k=3, return_distance=False)

其输出结果均为：

这是在小数据集的情况下并不能看到他们的差别，当数据集变大时，这种差别便显而易见了

  1. <span style="font-size:18px;">#coding:utf-8
  2. ‘‘‘‘‘
  3. Created on 2016年4月24日
  4. @author: Gamer Think
  5. ‘‘‘
  6. from sklearn.datasets import load_iris
  7. from sklearn import neighbors
  8. import sklearn
  9. #查看iris数据集
  10. iris = load_iris()
  11. print iris
  12. knn = neighbors.KNeighborsClassifier()
  13. #训练数据集
  14. knn.fit(iris.data, iris.target)
  15. #预测
  16. predict = knn.predict([[0.1,0.2,0.3,0.4]])
  17. print predict
  18. print iris.target_names[predict]</span>

预测结果为：

[0]    #第0类
[‘setosa‘]    #第0类对应花的名字

  1. <span style="font-size:18px;"> #-*- coding: UTF-8 -*-
  2. ‘‘‘‘‘
  3. Created on 2016/4/24
  4. @author: Administrator
  5. ‘‘‘
  6. import csv     #用于处理csv文件
  7. import random    #用于随机数
  8. import math
  9. import operator  #
  10. from sklearn import neighbors
  11. #加载数据集
  12. def loadDataset(filename,split,trainingSet=[],testSet = []):
  13. with open(filename,"rb") as csvfile:
  14. lines = csv.reader(csvfile)
  15. dataset = list(lines)
  16. for x in range(len(dataset)-1):
  17. for y in range(4):
  18. dataset[x][y] = float(dataset[x][y])
  19. if random.random()<split:
  20. trainingSet.append(dataset[x])
  21. else:
  22. testSet.append(dataset[y])
  23. #计算距离
  24. def euclideanDistance(instance1,instance2,length):
  25. distance = 0
  26. for x in range(length):
  27. distance = pow((instance1[x] - instance2[x]),2)
  28. return math.sqrt(distance)
  29. #返回K个最近邻
  30. def getNeighbors(trainingSet,testInstance,k):
  31. distances = []
  32. length = len(testInstance) -1
  33. #计算每一个测试实例到训练集实例的距离
  34. for x in range(len(trainingSet)):
  35. dist = euclideanDistance(testInstance, trainingSet[x], length)
  36. distances.append((trainingSet[x],dist))
  37. #对所有的距离进行排序
  38. distances.sort(key=operator.itemgetter(1))
  39. neighbors = []
  40. #返回k个最近邻
  41. for x in range(k):
  42. neighbors.append(distances[x][0])
  43. return neighbors
  44. #对k个近邻进行合并，返回value最大的key
  45. def getResponse(neighbors):
  46. classVotes = {}
  47. for x in range(len(neighbors)):
  48. response = neighbors[x][-1]
  49. if response in classVotes:
  50. classVotes[response]+=1
  51. else:
  52. classVotes[response] = 1
  53. #排序
  54. sortedVotes = sorted(classVotes.iteritems(),key = operator.itemgetter(1),reverse =True)
  55. return sortedVotes[0][0]
  56. #计算准确率
  57. def getAccuracy(testSet,predictions):
  58. correct = 0
  59. for x in range(len(testSet)):
  60. if testSet[x][-1] == predictions[x]:
  61. correct+=1
  62. return (correct/float(len(testSet))) * 100.0
  63. def main():
  64. trainingSet = []  #训练数据集
  65. testSet = []      #测试数据集
  66. split = 0.67      #分割的比例
  67. loadDataset(r"iris.txt", split, trainingSet, testSet)
  68. print "Train set :" + repr(len(trainingSet))
  69. print "Test set :" + repr(len(testSet))
  70. predictions = []
  71. k = 3
  72. for x in range(len(testSet)):
  73. neighbors = getNeighbors(trainingSet, testSet[x], k)
  74. result = getResponse(neighbors)
  75. predictions.append(result)
  76. print ">predicted = " + repr(result) + ",actual = " + repr(testSet[x][-1])
  77. accuracy = getAccuracy(testSet, predictions)
  78. print "Accuracy:" + repr(accuracy) + "%"
  79. if __name__ =="__main__":
  80. main()  </span>

附iris.txt文件的内容

5.1,3.5,1.4,0.2,Iris-setosa
4.9,3.0,1.4,0.2,Iris-setosa
4.7,3.2,1.3,0.2,Iris-setosa
4.6,3.1,1.5,0.2,Iris-setosa
5.0,3.6,1.4,0.2,Iris-setosa
5.4,3.9,1.7,0.4,Iris-setosa
4.6,3.4,1.4,0.3,Iris-setosa
5.0,3.4,1.5,0.2,Iris-setosa
4.4,2.9,1.4,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
5.4,3.7,1.5,0.2,Iris-setosa
4.8,3.4,1.6,0.2,Iris-setosa
4.8,3.0,1.4,0.1,Iris-setosa
4.3,3.0,1.1,0.1,Iris-setosa
5.8,4.0,1.2,0.2,Iris-setosa
5.7,4.4,1.5,0.4,Iris-setosa
5.4,3.9,1.3,0.4,Iris-setosa
5.1,3.5,1.4,0.3,Iris-setosa
5.7,3.8,1.7,0.3,Iris-setosa
5.1,3.8,1.5,0.3,Iris-setosa
5.4,3.4,1.7,0.2,Iris-setosa
5.1,3.7,1.5,0.4,Iris-setosa
4.6,3.6,1.0,0.2,Iris-setosa
5.1,3.3,1.7,0.5,Iris-setosa
4.8,3.4,1.9,0.2,Iris-setosa
5.0,3.0,1.6,0.2,Iris-setosa
5.0,3.4,1.6,0.4,Iris-setosa
5.2,3.5,1.5,0.2,Iris-setosa
5.2,3.4,1.4,0.2,Iris-setosa
4.7,3.2,1.6,0.2,Iris-setosa
4.8,3.1,1.6,0.2,Iris-setosa
5.4,3.4,1.5,0.4,Iris-setosa
5.2,4.1,1.5,0.1,Iris-setosa
5.5,4.2,1.4,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
5.0,3.2,1.2,0.2,Iris-setosa
5.5,3.5,1.3,0.2,Iris-setosa
4.9,3.1,1.5,0.1,Iris-setosa
4.4,3.0,1.3,0.2,Iris-setosa
5.1,3.4,1.5,0.2,Iris-setosa
5.0,3.5,1.3,0.3,Iris-setosa
4.5,2.3,1.3,0.3,Iris-setosa
4.4,3.2,1.3,0.2,Iris-setosa
5.0,3.5,1.6,0.6,Iris-setosa
5.1,3.8,1.9,0.4,Iris-setosa
4.8,3.0,1.4,0.3,Iris-setosa
5.1,3.8,1.6,0.2,Iris-setosa
4.6,3.2,1.4,0.2,Iris-setosa
5.3,3.7,1.5,0.2,Iris-setosa
5.0,3.3,1.4,0.2,Iris-setosa
7.0,3.2,4.7,1.4,Iris-versicolor
6.4,3.2,4.5,1.5,Iris-versicolor
6.9,3.1,4.9,1.5,Iris-versicolor
5.5,2.3,4.0,1.3,Iris-versicolor
6.5,2.8,4.6,1.5,Iris-versicolor
5.7,2.8,4.5,1.3,Iris-versicolor
6.3,3.3,4.7,1.6,Iris-versicolor
4.9,2.4,3.3,1.0,Iris-versicolor
6.6,2.9,4.6,1.3,Iris-versicolor
5.2,2.7,3.9,1.4,Iris-versicolor
5.0,2.0,3.5,1.0,Iris-versicolor
5.9,3.0,4.2,1.5,Iris-versicolor
6.0,2.2,4.0,1.0,Iris-versicolor
6.1,2.9,4.7,1.4,Iris-versicolor
5.6,2.9,3.6,1.3,Iris-versicolor
6.7,3.1,4.4,1.4,Iris-versicolor
5.6,3.0,4.5,1.5,Iris-versicolor
5.8,2.7,4.1,1.0,Iris-versicolor
6.2,2.2,4.5,1.5,Iris-versicolor
5.6,2.5,3.9,1.1,Iris-versicolor
5.9,3.2,4.8,1.8,Iris-versicolor
6.1,2.8,4.0,1.3,Iris-versicolor
6.3,2.5,4.9,1.5,Iris-versicolor
6.1,2.8,4.7,1.2,Iris-versicolor
6.4,2.9,4.3,1.3,Iris-versicolor
6.6,3.0,4.4,1.4,Iris-versicolor
6.8,2.8,4.8,1.4,Iris-versicolor
6.7,3.0,5.0,1.7,Iris-versicolor
6.0,2.9,4.5,1.5,Iris-versicolor
5.7,2.6,3.5,1.0,Iris-versicolor
5.5,2.4,3.8,1.1,Iris-versicolor
5.5,2.4,3.7,1.0,Iris-versicolor
5.8,2.7,3.9,1.2,Iris-versicolor
6.0,2.7,5.1,1.6,Iris-versicolor
5.4,3.0,4.5,1.5,Iris-versicolor
6.0,3.4,4.5,1.6,Iris-versicolor
6.7,3.1,4.7,1.5,Iris-versicolor
6.3,2.3,4.4,1.3,Iris-versicolor?
5.6,3.0,4.1,1.3,Iris-versicolor
5.5,2.5,4.0,1.3,Iris-versicolor
5.5,2.6,4.4,1.2,Iris-versicolor
6.1,3.0,4.6,1.4,Iris-versicolor
5.8,2.6,4.0,1.2,Iris-versicolor
5.0,2.3,3.3,1.0,Iris-versicolor
5.6,2.7,4.2,1.3,Iris-versicolor
5.7,3.0,4.2,1.2,Iris-versicolor
5.7,2.9,4.2,1.3,Iris-versicolor
6.2,2.9,4.3,1.3,Iris-versicolor
5.1,2.5,3.0,1.1,Iris-versicolor
5.7,2.8,4.1,1.3,Iris-versicolor
6.3,3.3,6.0,2.5,Iris-virginica
5.8,2.7,5.1,1.9,Iris-virginica
7.1,3.0,5.9,2.1,Iris-virginica
6.3,2.9,5.6,1.8,Iris-virginica
6.5,3.0,5.8,2.2,Iris-virginica
7.6,3.0,6.6,2.1,Iris-virginica
4.9,2.5,4.5,1.7,Iris-virginica
7.3,2.9,6.3,1.8,Iris-virginica
6.7,2.5,5.8,1.8,Iris-virginica
7.2,3.6,6.1,2.5,Iris-virginica
6.5,3.2,5.1,2.0,Iris-virginica
6.4,2.7,5.3,1.9,Iris-virginica
6.8,3.0,5.5,2.1,Iris-virginica
5.7,2.5,5.0,2.0,Iris-virginica
5.8,2.8,5.1,2.4,Iris-virginica
6.4,3.2,5.3,2.3,Iris-virginica
6.5,3.0,5.5,1.8,Iris-virginica
7.7,3.8,6.7,2.2,Iris-virginica
7.7,2.6,6.9,2.3,Iris-virginica
6.0,2.2,5.0,1.5,Iris-virginica
6.9,3.2,5.7,2.3,Iris-virginica
5.6,2.8,4.9,2.0,Iris-virginica
7.7,2.8,6.7,2.0,Iris-virginica
6.3,2.7,4.9,1.8,Iris-virginica
6.7,3.3,5.7,2.1,Iris-virginica
7.2,3.2,6.0,1.8,Iris-virginica
6.2,2.8,4.8,1.8,Iris-virginica
6.1,3.0,4.9,1.8,Iris-virginica
6.4,2.8,5.6,2.1,Iris-virginica
7.2,3.0,5.8,1.6,Iris-virginica
7.4,2.8,6.1,1.9,Iris-virginica
7.9,3.8,6.4,2.0,Iris-virginica

时间： 2024-10-10 10:02:17

转载： scikit-learn学习之K最近邻算法(KNN)的相关文章

图说十大数据挖掘算法(一)K最近邻算法

如果你之前没有学习过K最近邻算法,那今天几张图,让你明白什么是K最近邻算法. 先来一张图,请分辨它是什么水果 很多同学不假思索,直接回答:"菠萝"!!! 仔细看看同学们,这是菠萝么?那再看下边这这张图. 这两个水果又是什么呢? 这就是菠萝与凤梨的故事,下边即将用菠萝和凤梨,给大家讲述怎么用一个算法来知道这是个什么水果的过程,也就是什么是K最近邻算法. (给非吃货同学们补充一个生活小常识,菠萝的叶子有刺,凤梨没有.菠萝的凹槽处是黄色的,而凤梨的凹槽处是绿色的,以后千万不要买错哦!!!)

分类算法——k最近邻算法（Python实现）（文末附工程源代码）

kNN算法原理 k最近邻(k-Nearest Neighbor)算法是比较简单的机器学习算法.它采用测量不同特征值之间的距离方法进行分类,思想很简单:如果一个样本在特征空间中的k个最近邻(最相似)的样本中大多数属于某一个类别,则该样本也属于这个类别. kNN算法的步骤 第一阶段:确定k值(指最近的邻居的个数),一般是一个奇数 第二阶段:确定距离度量公式.文本分类一般使用夹角余弦,得出待分类数据点和所有已知类别的样本点,从中选择距离最近的k个样本: 第三阶段:统计这k个样本点钟各个类别的数量 kN

转载： scikit-learn学习之K-means聚类算法与 Mini Batch K-Means算法

版权声明:<—— 本文为作者呕心沥血打造,若要转载,请注明出处@http://blog.csdn.net/gamer_gyt <—— 目录(?)[+] ====================================================================== 本系列博客主要参考 Scikit-Learn 官方网站上的每一个算法进行,并进行部分翻译,如有错误,请大家指正 转载请注明出处 ======================================

R语言学习笔记—K近邻算法

K近邻算法(KNN)是指一个样本如果在特征空间中的K个最相邻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,并具有这个类别上样本的特性.即每个样本都可以用它最接近的k个邻居来代表.KNN算法适合分类,也适合回归.KNN算法广泛应用在推荐系统.语义搜索.异常检测. KNN算法分类原理图: 图中绿色的圆点是归属在红色三角还是蓝色方块一类?如果K=5(离绿色圆点最近的5个邻居,虚线圈内),则有3个蓝色方块是绿色圆点的"最近邻居",比例为3/5,因此绿色圆点应当划归到蓝色方块一类:如果

K近邻算法-KNN

何谓K近邻算法,即K-Nearest Neighbor algorithm,简称KNN算法,单从名字来猜想,可以简单粗暴的认为是:K个最近的邻居,当K=1时,算法便成了最近邻算法,即寻找最近的那个邻居.为何要找邻居?打个比方来说,假设你来到一个陌生的村庄,现在你要找到与你有着相似特征的人群融入他们,所谓入伙. 用官方的话来说,所谓K近邻算法,即是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是上面所说的K个邻居),这K个实例的多数属于某个类,就把该输入实例分

机器学习(四) 机器学习(四) 分类算法--K近邻算法 KNN (下)

六.网格搜索与 K 邻近算法中更多的超参数 七.数据归一化 Feature Scaling 解决方案:将所有的数据映射到同一尺度 八.scikit-learn 中的 Scaler preprocessing.py import numpy as np class StandardScaler: def __init__(self): self.mean_ = None self.scale_ = None def fit(self, X): """根据训练数据集X获得数据的均

机器学习——k最近邻算法(K-Nearest Neighbor,Python实现)

一.什么是看KNN算法? 二.KNN算法的一般流程 三.KNN算法的Python代码实现 numpy模块参考教程:http://old.sebug.net/paper/books/scipydoc/index.html 一:什么是看KNN算法? kNN算法全称是k-最近邻算法(K-Nearest Neighbor) kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻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,并具有这个类别上样本的特性.该方法在确定分类决策上只依据最邻近的一个

机器学习-scikit learn学习笔记

scikit-learn官网:http://scikit-learn.org/stable/ 通常情况下,一个学习问题会包含一组学习样本数据,计算机通过对样本数据的学习,尝试对未知数据进行预测. 学习问题一般可以分为: 监督学习(supervised learning) 分类(classification) 回归(regression) 非监督学习(unsupervised learning) 聚类(clustering) 监督学习和非监督学习的区别就是,监督学习中,样本数据会包含要预测的标签(

《机器学习实战》学习笔记——k近邻算法

1.numpy中一些函数的用法学习 shape()用法: shape : tuple of ints The elements of the shape tuple give the lengths of the corresponding array dimensions.. shape返回一个元组,依次为各维度的长度.shape[0]:第一维长度,shape[1]:第二维长度. tile()用法: numpy.tile(A, reps) Construct an array by repea