机器学习之k近邻算法

zyt温柔发

0.引入依赖
import numpy as np
import pandas as pd
# 这里直接引入sklearn里的数据集，iris鸢尾花
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split # 可以切分数据集为训练集和测试集
from sklearn.metrics import accuracy_score #用来计算分类预测的准确率
1.数据加载和预处理
iris = load_iris()
df = pd.DataFrame(data=iris.data,columns = iris.feature_names)
df['class']=iris.target
df['class']=df['class'].map({0:iris.target_names[0],1:iris.target_names[1],2:iris.target_names[2]})
df.describe()

2.核心算法实现
# 距离函数定义
def l1_distance(a,b):
    return np.sum(np.abs(a-b),axis=1) #axis=1运算结果保存一列按行求和（a是矩阵b是向量），a里面每一行都减b
def l2_distance(a,b):
    return np.sqrt(np.sum((a-b)**2,axis=1))
# 分类器实现
class kNN(object):
    # 定义一个初始化方法,_init_类的构造方法
    def __init__(self,n_neighbors =1,dist_func = l1_distance):
        self.n_neighbors = n_neighbors
        self.dist_func = dist_func
    # 训练模型方法
    def fit(self,x,y):
        self.x_train =x
        self.y_train = y
    # 模型预测方法
    def predict(self,x):
        # 初始化预测分类数组
        y_pred = np.zeros((x.shape[0],1),dtype = self.y_train.dtype)
        # 遍历输入的x数据点enumerate元组：序号+值
        for i,x_test in enumerate(x):
            # x_test跟所有训练数据计算距离
            distances = self.dist_func(self.x_train,x_test)
            #得到的距离按照由近到远排序,取得是索引值
            '''
            dist = np.array([3.2,2,532,3554,432])
            print(np.argsort(dist))
            '''
            nn_index = np.argsort(distances)
            # 选取最近的k个点，保持他们对应的分类类别
            nn_y = self.y_train[nn_index[:self.n_neighbors]].ravel() # ravel()转化为1维数组
            # 统计类别中出现频率最高的那个，赋给y_pred
            y_pred = np.argmax(np.bincount(nn_y))
        return y_pred
3.测试
# 定义一个实例
knn = kNN(n_neighbors=3)
# 训练模型
knn.fit(x_train,y_train)
# 传入预测数据，做预测
y_pred = knn.predict(x_test)
# 求出预测准确率
accuracy = accuracy_score(y_test,y_pred)
print("预测准确率：",accuracy)
# 定义一个实例
knn = kNN()
# 训练模型
knn.fit(x_train,y_train)

# 保存结果list
result_list = []
# 针对不同的参数选取做预测
for p in [1,2]:
    knn.dist_func = l1_distance if p==1 else l2_distance
    # 考虑不同k取值,步长为2
    for k in range(1,10,2):
        knn.n_neighbors = k
        # 传入预测数据，做预测
        y_pred = knn.predict(x_test)
        # 求出预测准确率
        accuracy = accuracy_score(y_test,y_pred)
        result_list.append([k,'l1_distance' if p==1 else 'l2_distance',accuracy])
df = pd.DataFrame(result_list,columns=['k','距离函数','预测准确率'])
df

prospect2005

里面的核心函数没有？比如KNN？

vethenc

明明很厉害