【机器学习实战】KNN

本文介绍了KNN算法的基本原理,强调了numpy和scikit-learn在机器学习中的重要性,并提供了KNN的实现过程,包括数据集的获取、分类函数及计算准确率的方法。通过Iris数据集进行示例,讨论了模型稳定性和复杂度,指出选择合适的k值对提高预测稳定性至关重要。算法复杂度分析显示,测试阶段的复杂度为O((K+1)MN)。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

KNN是比较简单且好用的算法。
读本篇博客之前,需要先对numpy、scikit-learn有个基本的了解,因为它们都是python做科学计算、机器学习必备的好工具!

还有就是需要了解cross validation(交叉验证),可参考我的另外一片博客:交叉验证

A. 算法原理

KNN是个怎样的算法呢?其实顾名思义就能猜个七八成了,k-nearest-neighbors,邻居?首先假设我们有一个计算两个sample之间的距离的函数distance,然后我们可以用它来计算测试的sample与所有train_samples之间的距离,在这些距离中,我们选最小的k个,投票决定(每个选出来的距离当然是投给它相应的那个类别啦),那个投票最多的类别(如果有多个,则可以进一步细化或直接随机选一个即可)作为最终分类的类别。
原理十分简单,实现起来也很简单。

推荐好习惯:

对于数组、矩阵的操作,尽量使用numpy的各种运算来加速,不然用python处理规模稍微大点的数据集会坑害自己的!!!除非你自己手写各种优化、并行、多线程之类的,不过numpy已经做得很好了。

B. 实现

首先是实现了一个叫做KNN的模块,封装了如何获取数据集,如何分类一个sample,以及如何分类一个测试集,以及计算准确率的函数。使用的是著名的Iris数据集,其描述可以参考:Iris数据集的介绍

# !/usr/bin/env python2
# -*- coding: utf-8 -*-
__author__ = 'jacket'


# standard module
import sys

# third-party module
import numpy as np
from sklearn.datasets import load_iris
from</
### 使用KNN算法进行约会匹配的机器学习实战案例 #### 数据准备 对于约会匹配的应用场景,数据准备至关重要。通常情况下,这些数据可以从问卷调查或者用户在平台上的行为记录中获取。例如,在约会网站上使用KNN算法时,需要先从文本文件中解析数据[^3]。 #### 数据预处理 收集到的数据往往需要经过一系列预处理才能用于模型训练。这其中包括但不限于缺失值填充、异常值检测以及特征缩放等操作。特别是针对KNN这样的基于距离度量的方法而言,归一化数值是非常重要的一步,因为不同的属性可能有不同的取值范围,如果不做标准化处理,则可能导致某些属性对最终决策的影响过。 #### 构建分类器并评估性能 一旦完成了上述准备工作之后就可以着手建立KNN分类器了。值得注意的是,尽管该方法本身并不涉及复杂的参数调整过程,但在选择邻居数量\( k \)方面还是存在一定的灵活性。一般建议通过交叉验证的方式来确定最优的\( k \)值。另外,由于KNN属于懒惰学习者,所以其真正的计算发生在预测阶段而非所谓的“训练”期间;此时可以通过划分训练集和测试集的方式来进行效果评测,进而获得诸如错误率之类的评价指标[^2]。 ```python from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier import numpy as np # 假设X为特征矩阵,y为目标向量 scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) X_test_scaled = scaler.transform(X_test) knn_clf = KNeighborsClassifier(n_neighbors=5) knn_clf.fit(X_train_scaled, y_train) y_pred = knn_clf.predict(X_test_scaled) error_rate = np.mean(y_pred != y_test) print(f'Error Rate: {error_rate:.4f}') ``` #### 应用实例 具体来说,在构建完整的约会推荐系统过程中,可以按照如下流程展开工作:首先是准备数据,接着利用可视化工具如Matplotlib创建散点图帮助理解变量间的关系,再就是实施必要的数据转换措施确保各维度之间具备可比性,最后则是全面检验所设计算法的有效性和稳定性,并将其集成至实际业务环境中去。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值