机器学习笔记(3)---K-近邻算法(1)---约会对象魅力程度分类

最新推荐文章于 2025-03-23 15:59:54 发布

sweird

最新推荐文章于 2025-03-23 15:59:54 发布

阅读量1.4k

点赞数 2

分类专栏：机器学习机器学习入门文章标签：机器学习 KNN K-近邻算法分类算法机器学习web安全

本文链接：https://blog.youkuaiyun.com/rosetta/article/details/79179004

版权

本文介绍了K-近邻(KNN)算法，通过实践应用在约会对象魅力程度分类上，详细讲解了算法原理、代码实现及测试过程。通过计算新数据与样本数据的距离，选取最近的k个数据确定新数据类别。文章还探讨了距离计算、归一化处理和算法准确性评估等关键点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考资料

《机器学习实战》，Machine Learning in Action，本文中简称MLiA
《机器学习》周志华，本文简称西瓜书
《Web安全之机器学习》刘焱著，本文中简称WSML(Web Security in Machine Learning，该英文翻译只为记录方便，是本人杜撰的，仅限本系列文章使用)

转载请注明出处：http://blog.youkuaiyun.com/rosetta/article/details/79179004

前言

因为之前不知道怎么把机器学习的知识用起来，所以心理很没底，看了近一年的数学基础，感觉也没有什么长进，而看了《机器学习实战》第2章k-近邻算法后发现，原来机器学习也可以这么简单。
本算法真不需要什么高深的数学公式，只要会一些基础的矩阵知识就可以了。代码里Numpy ndarray相关的东西看起来挺复杂的，但打出来调试后也就不会觉得难了。
另外我发现了自己学习的方法（其实原来也发现了，只是没总结），先跟着书把代码敲一遍（或者直接复制粘贴），这个时候不要去看书上关于代码的解释，因为看不懂，看不懂会影响学习心情，所以不要看。先把代码运行一遍看结果，运行成功后再看不理解的代码，边看边调试，比看书本上关于代码的解释效果好多了。

本次学习以实践为主，理论为辅。为了加深对KNN算法的理解，我学了以下内容，虽然很多，但我相信如果大家对以下内容都理解了，那么KNN算法也就掌握了。主要内容有以下五，我会分五篇文章完成学习记录。

使用KNN算法对约会对象魅力程度分类
使用sklearn库中的KNN算法对约会对象魅力程度分类
使用KNN算法完成手写识别系统
使用KNN算法完成西瓜分类
使用KNN算法检测Linux系统异常操作

本篇文章先描述K-近邻算法核心思想，再记录使用KNN算法对约会对象魅力程度分类的代码的理解。

K-近邻算法

所谓的k-近邻算法（K-Nearest Neighbor，简称KNN）是这样的，首先要有一批已知的样本数据的特征（比如MLiA举的交友例子，交友对象的年飞行里程、玩游戏占的时间比和周消费的冰淇淋公升数），并且知道这些数据的标签（不喜欢的人、魅力一般的人和极具魅力的人），然后输入不带标签的新数据（知道这个人的年飞行里程、玩游戏占的时间比和周消费的冰淇淋公升数，但不知道它属于哪一类），拿这个新数据和样本数据比较，算出和新数据最相似的k个数据（k可自定义），然后看这k个数据中出现最多的类型，新数据就属于这一类。
所以整体思想是很简单的，但这里面会延伸出三个问题：
1. 新数据和样本数据距离计算公式是怎样的？
2. 如果某一项属性数据太大，这样在计算距离时其它属性就不起作用了，但是其它属性也是一样重要的，那怎么办?这就需要做归一化处理。
3. 如何测试算法的准确性。这里会拿样本数据的前x%用于作为直接的样本（因为k-近邻算法没有训练数据概念，这里姑且叫它训练数据），后面的1-x%数据拿来测试（叫测试数据）。

使用KNN算法对约会对象魅力程度分类

先来看下最终效果，有一个直观的认识。

最终效果

最终效果如下。输入年飞行里程、玩游戏占的时间比和周消费的冰淇淋公升数，程序输出这个人的魅力程度。

代码分析

代码分析请直接看注释。

def classifyPerson():
    resultList = ['没有魅力', '魅力一般', '极具魅力']
    ffMiles = float(input("每年飞行公里数？"))
    percentTats=float(input("打游戏耗费时间的百分比？"))
    iceCream = float(input("每周消费的冰激凌?"))

    datingDataMat, datingLabels = file2matrix('datingTestSet2.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    inArr = np.array([ffMiles,percentTats,iceCream])
    classifierResult = classify0((inArr-minVals)/ranges, normMat, datingLabels, 3)
    print("这个人：", resultList[classifierResult-1])

#从文件中获取数据，并格式化成Numpy数组。
#returnMat[]数组用于存放样本的属性。
#classLabelVector[]用于存放样本的类别
def file2matrix(filename):
    fr = open(filename)
    numberOfLines = len(fr.readlines())         #1000
    returnMat = np.zeros((numberOfLines,3))        #创建numberOfLines行，3列矩阵，初始化为0.
    classLabelVector = []                       #用于存放第四列的的值。
    fr = open(filename)
    index = 0
    for line in fr.readlines():
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3] #因为index是会自增的，所以数据会往returnMat上增。
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat,classLabelVector
# returnMat={ndarray} [[  4.09200000e+04   8.32697600e+00   9.53952000e-01]
#  [  1.44880000e+04   7.15346900e+00   1.67390400e+00]
#  [  2.60520000e+04   1.44187100e+00   8.05124000e-01]
#  ...,
#  [  2.65750000e+04   1.06501020e+01   8.66627000e-01]
#  [  4.81110000e+04   9.13452800e+00   7.28045000e-01]
#  [  4.37570000e+04   7.88260100e+00   1.33244600e+00]]
#classLabelVector={list}[3, 2, 1, 1, 1, 1, 3, 3, 1, 3, 1, 1, 2, 1, 1,……]


#归一化处理公式：newValue=(oldValue-min)/(max-min)
def autoNorm(dataSet):
    #dataSet是1000行3列的数据。
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges =