机器学习实践学习笔记2 Classifying with k-Nearest Neighbors

最新推荐文章于 2025-03-03 19:54:44 发布

fengsser

最新推荐文章于 2025-03-03 19:54:44 发布

阅读量5.9k

点赞数 3

CC 4.0 BY-SA版权

分类专栏： Machine learning

本文链接：https://blog.youkuaiyun.com/fengsser/article/details/47860981

本文介绍了k-近邻算法的工作原理、优缺点、适用数据范围及伪代码。通过实例展示了如何在Python中实现kNN，并进行数据预处理，包括归一化处理。此外，还提到了kNN在数字识别系统中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

k-近邻算法（k-Nearest Neighbors,kNN）

工作原理：

knn算法属于监督类型算法。首先我们有样本训练集，知道每一条数据的分类。继而，我们输入没有分类的新数据，将新数据的每个特征与样本集中的对应项进行比较，提取样本集中最相思的数据，这样我们可以获得该数据的分类。一般来说，我们只选择样本集中前k个最相似的数据，通常k不大于20.最后，选择k个相似数据中出现最多的分类，作为新数据的分类，此为k近邻算法。

优点：

精度高，对异常数值不敏感，无数据输入假定。

缺点：计算复杂度高，空间复杂度高。无法给出任何数据的基础结构信息，因此我们也无法知晓平均
实例样本和典型实例样本具有什么特征

适用数据范围：数值型，标称型（numeric values,nominal values）

伪代码：

（1）计算样本数据集中的点与当前带分类数据的点之间的距离（计算相似程度）

（2）按照距离递增排序

（3）选取与当前距离最小的前K个点

（4）确定k个点所在类别的出现频率

（5）返回出现频率最高的类别作为预测分类

python代码：

def createDataSet():#创建样本训练集
	group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
	labels = ['A','A','B','B']
	return group,labels

#intX:待分类数据（向量），dataSet,labels:样本训练集,k
def classi0(intX, dataSet, labels, k):
	dataSetSize = dataSet.shape[0]#训练集大小
	diffMat = tile(intX,(dataSetSize,1)) - dataSet#把待分类数据向量复制成与训练集等阶，对应项求差
	sqDiffMat = diffMat**2#各项平方
	sqDistances = sqDiffMat.sum(axis=1)#axis=1，将一个矩阵的每一行向量相加
	distances = sqDistances**0.5#开方，求出距离
	sortedDistIndicies = distances.argsort()#从小到大排序，返回数组的索引
	classCount = {}
	for i in range(k):#遍历前K个样本训练集
		voteILabel = labels[sort