KNN演算法及其應用
一、KNN演算法介紹
1. 綜述
1.1 Cover和Hart在1968年提出了最初的鄰近演算法
1.2 分類(classification)演算法
1.3 輸入基於例項的學習(instance-based learning), 懶惰學習(lazy learning)
- 例子:
未知電影屬於什麼型別?
演算法詳述
3.1 步驟:
為了判斷未知例項的類別,以所有已知類別的例項作為參照
選擇引數K
計算未知例項與所有已知例項的距離
選擇最近K個已知例項
根據少數服從多數的投票法則(majority-voting),讓未知例項歸類為K個最鄰近樣本中最多數的類別3.2 細節:
關於K
關於距離的衡量方法:
3.2.1 Euclidean Distance 定義
其他距離衡量:餘弦值(cos), 相關度 (correlation), 曼哈頓距離 (Manhattan distance)
3.3 舉例
演算法優缺點:
4.1 演算法優點
簡單
易於理解
容易實現
通過對K的選擇可具備丟噪音資料的健壯性4.2 演算法缺點
需要大量空間儲存所有已知例項
演算法複雜度高(需要比較所有已知例項與要分類的例項)
當其樣本分佈不平衡時,比如其中一類樣本過大(例項數量過多)佔主導的時候,新的未知例項容易被歸類為這個主導樣本,因為這類樣本例項的數量過大,但這個新的未知例項實際並木接近目標樣本(如圖中的Y點所示)改進版本
考慮距離,根據距離加上權重(如圖Y點可以加權重)
比如: 1/d (d: 距離)
二、KNN演算法應用
1 資料集介紹:
虹膜
150個例項
萼片長度,萼片寬度,花瓣長度,花瓣寬度
(sepal length, sepal width, petal length and petal width)
類別:
Iris setosa, Iris versicolor, Iris virginica.
- 利用Python的機器學習庫sklearn: SkLearnExample.py(內部有虹膜例項及其演算法)
from sklearn import neighbors
from sklearn import datasets
from sklearn.neighbors.classification import KNeighborsClassifier
from docutils.nodes import target
knn = KNeighborsClassifier() #例項化分類器
iris = datasets.load_iris() #載入資料集
print (iris)
knn.fit(iris.data, iris.target)
predictedLabel = knn.predict([[0.1,0.2,0.3,0.4]])
print(predictedLabel)
- KNN 實現Implementation:
import csv
import random
import math
import operator
def loadDataset(filename, split, trainingSet=[] , testSet=[]):
with open(filename, 'rt',encoding="utf-8") as csvfile: #含有中文路徑需要加encoding="utf-8"
lines = csv.reader(csvfile)
dataset = list(lines)
for x in range(len(dataset)-1):
for y in range(4):
dataset[x][y] = float(dataset[x][y])
if random.random() < split:
trainingSet.append(dataset[x])
else:
testSet.append(dataset[x])
def euclideanDistance(instance1,instance2,length):
distance = 0
for x in range(length):
distance +=pow((instance1[x]-instance2[x]),2)
return math.sqrt(distance)
def getNeighbors(trainingSet, testInstance, k):
distances = []
length = len(testInstance)-1
for x in range(len(trainingSet)):
dist = euclideanDistance(testInstance, trainingSet[x], length)
distances.append((trainingSet[x], dist))
distances.sort(key=operator.itemgetter(1))
neighbors = []
for x in range(k):
neighbors.append(distances[x][0])
return neighbors
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
sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True)
return sortedVotes[0][0]
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
def main():
# prepare data
trainingSet=[]
testSet=[]
split = 0.67
loadDataset(r'G:\機器視覺\irisdata.txt', split, trainingSet, testSet)
print ('Train set: ' + repr(len(trainingSet)))
print ('Test set: ' + repr(len(testSet)))
# generate predictions
predictions=[]
k = 3
for x in range(len(testSet)):
neighbors = getNeighbors(trainingSet, testSet[x], k)
result = getResponse(neighbors)
predictions.append(result)
print('> predicted=' + repr(result) + ', actual=' + repr(testSet[x][-1]))
accuracy = getAccuracy(testSet, predictions)
print('Accuracy: ' + repr(accuracy) + '%')
main()