# python 机器学习之 K-邻近算法
@简单的理解:[ 采用测量不同特征值之间的距离方法进行分类 ]
- **优点** :精度高、对异常值不敏感、无数据输入假定
- **缺点** :计算复杂度高,空间复杂度高;
- **适应数据范围** :数值型、标称型;
---
## kNN 简介
> **kNN 原理** :存在一个样本数据集合,也称作训练集或者样本集,并且样本集中每个数据都存在标签,即样本集实际上是 **每条数据** 与 **所属分类** 的 **对应关系**。
> **核心思想** :若输入的数据没有标签,则新数据的每个特征与样本集中数据对应的特征进行比较,该算法提取样本集中特征最相似数据(最近邻)的分类标签。
> **k** :选自最相似的 k 个数据,通常是不大于 20 的整数,最后选择这 k 个数据中出现次数最多的分类,作为新数据的分类。
### k-近邻算法的一般流程
```
1.收集数据:可以使用任何方法,
2.准备数据:距离计算所需的数值,最好是结构化的数据格式。
3.分析数据:可以使用任何方法。
4.训练算法:此不走不适用于k-近邻算法。
5.测试算法:计算错误率。
6.使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最后应用对计算出的分类之行后续的处理。
```
### example1
#### python 导入数据
```python
from numpy import *
import operator
def createDataSet():
group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels = ['A','A','B','B']
return group,labels
```
#### python 处理数据
```python
# 计算已知类别数据集中的点与当前点之间的距离(欧式距离)
# 按照距离递增次序排序
# 选取与当前点距离最小的K个点
# 确定前K个点所在类别的出现频率
# 返回前k个点出现频率最高的类别最为当前点的预测分类
# inX输入向量,训练集dataSet,标签向量labels,k表示用于选择最近邻的数目
def clissfy0(inX,dataSet,labels,k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX,(dataSetSize,1)) - dataSet
sqDiffMat = diffMat ** 0.5
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances ** 0.5
sortedDistIndicies = distances.argsort()
classCount = {}
for i in range(k):
voteLabel = labels[sortedDistIndicies[i]]
classCount[voteLabel] = classCount.get(voteLabel,0) + 1
sortedClassCount = sorted(classCount.iteritems(),
key = operator.itemgetter(1),reverse = True)
return sortedClassCount[0][0]
```
#### python 数据测试
```python
import kNN
from numpy import *
dataSet,labels = createDataSet()
testX = array([1.2,1.1])
k = 3
outputLabelX = classify0(testX,dataSet,labels,k)
testY = array([0.1,0.3])
outputLabelY = classify0(testY,dataSet,labels,k)
print('input is :',testX,'output class is :',outputLabelX)
print('input is :',testY,'output class is :',outputLabelY)
```
#### python 结果输出
```
('input is :', array([ 1.2, 1.1]), 'output class is :', 'A')
('input is :', array([ 0.1, 0.3]), 'output class is :', 'B')
```
### example2
使用 k-近邻算法改进约会网站的配对效果
#### 处理步骤
```
1.收集数据:提供文本文件
2.准备数据:使用python解析文本文件
3.分析数据:使用matplotlib画二维扩散图
4.训练算法:此步骤不适用与k-近邻算法
5.测试算法:使用提供的部份数据作为测试样本
6:使用算法:输入一些特征数据以判断对方是否为自己喜欢的类型
```
#### python 整体实现
```python
# coding:utf-8
from numpy import *
import operator
from kNN import classify0
import matplotlib.pyplot as plt
def file2matrmix(filename):
fr = open(filename)
arrayLines = fr.readlines()
numberOfLines = len(arrayLines)
returnMat = zeros((numberOfLines,3))
classLabelVector = []
index = 0
for line in arrayLines:
line = line.strip()
listFromLine = line.split('\t')
returnMat[index,:] = listFromLine[0:3]
classLabelVector.append(int(listFromLine[-1]))
index +=1
return returnMat,classLabelVector
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet))
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals,(m,1))
normDataSet = normDataSet/tile(ranges,(m,1))
return normDataSet,ranges,minVals
def datingClassTest():
hoRatio = 0.10
datingDataMat,datingLabels = file2matrmix('datingTestSet2.txt')
normMat,ranges,minVals = autoNorm(datingDataMat)
m = normMat.shape[0]
numTestVecs = int(m * hoRatio)
errorCount = 0.0
for i in range(numTestVecs):
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
print('the classifier came back with: %d, the real answer is: %d' %(classifierResult,datingLabels[i]))
if (classifierResult != datingLabels[i]):
errorCount += 1.0
print('the total error rate is: %f' %(errorCount / float(numTestVecs)))
def classifyPerson():
resultList = ['not at all','in small doses','in large doses']
percentTats = float(raw_input('percentage of time spent playing video games?'))
ffMiles = float(raw_input('frequent flier miles earned per year?'))
iceCream = float(raw_input('liters of ice cream consumed per year?'))
datingDataMat,datingLabels = file2matrmix('datingTestSet2.txt')
normMat,ranges,minVals =autoNorm(datingDataMat)
inArr = array([ffMiles,percentTats,iceCream])
classifierResult = classify0((inArr - minVals) / ranges,normMat,datingLabels,3)
print('you will probably like this person:',resultList[classifierResult - 1])
datingDataMat,datingLabels = file2matrmix('datingTestSet2.txt')
classifyPerson()
fig = plt.figure()
ax = fig.add_subplot(111)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0 * array(datingLabels),15.0 * array(datingLabels))
plt.show()
```
### K-最近邻算法总结
> **k 近邻算法**是最简单有效的分类算法,必须全部保存全部数据集,如果训练数据集很大,必须使用大量的存储空间,同时由于必须对数据集中的每个数据计算距离值,实际使用可能非常耗时。
> **k 近邻算法**无法给出任何数据的基础结构信息,我们无法知晓平均实例样本和典型实例样本具有神秘特征。
# 决策树
> **决策树** 流程图正方形代表判断模块,椭圆形代表终止模块,从判断模块引出的左右箭头称作分支,它可以到达另一个判断模块活着终止模块。
> **决策树 [优点]**:计算复杂度不高,输出结果易于理解,对于中间值的缺失不敏感,可以处理不相关特征数据。
> **决策树[缺点]**:可能会产生过度匹配的问题。
> **决策树[适用数据类型]**:数值型和标称型。
---
### 决策树的一般流程
```
(1)收集数据:可以使用任何方法。
(2)准备数据:树构造算法只适用于标称型数据,因此数值型数据必须离散化。
(3)分析数据:可以使用任何方法,构造树完成之后,我们需要检验图形是否符合预期。
(4)训练算法:构造树的数据结构。
(5)测试算法:使用经验树计算错误率。
(6)使用算法:使用于任何监督学习算法。
```
### 信息增益
> **划分数据集的最大原则**:将无序的数据集变的有序。
> **判断数据集的有序程度**:信息增益(熵),计算每个特征值划分数据集后获得的信息增益,获得信息增益最高的特征就是最好的选择。
> **信息增益[公式]**:
> $$
> H = - \sum_{i=1}^np(x_i)log_2p(x_i)
> $$
>
> **<font size=2> 其中 n 是分类的数目。</font>**
### python 决策树
#### 计算给定数据集的信息熵
```python
from math import log
def calcShannonEnt(dataSet):
numEntries = len(dataSet)
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
基于Django 框架搭建学习平台系统,实现KNN、ID3、C4.5、SVM、朴素贝叶斯、BP神经网络等算法及流程管理 附代码. kNN 简介 kNN 原理 :存在一个样本数据集合,也称作训练集或者样本集,并且样本集中每个数据都存在标签,即样本集实际上是 每条数据 与 所属分类 的 对应关系。 核心思想 :若输入的数据没有标签,则新数据的每个特征与样本集中数据对应的特征进行比较,该算法提取样本集中特征最相似数据(最近邻)的分类标签。 k :选自最相似的 k 个数据,通常是不大于 20 的整数,最后选择这 k 个数据中出现次数最多的分类,作为新数据的分类。 k-近邻算法的一般流程 1.收集数据:可以使用任何方法, 2.准备数据:距离计算所需的数值,最好是结构化的数据格式。 3.分析数据:可以使用任何方法。 4.训练算法:此不走不适用于k-近邻算法。 5.测试算法:计算错误率。 6.使用算法:首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最后应用对计算出的分类之行后续的处理。
资源推荐
资源详情
资源评论
收起资源包目录
基于Django 框架搭建学习平台系统,实现KNN、ID3、C4.5、SVM、朴素贝叶斯、BP神经网络等算法及流程管理 附代码 (215个子文件)
project.js.bak 7KB
bootstrap.min.css 111KB
ambiance.css 26KB
fullcalendar.css 25KB
bootstrap-theme.min.css 19KB
layer.css 14KB
datetimepicker.css 13KB
codemirror.css 8KB
jquery.slider.min.css 7KB
zTree.css 6KB
rangeSlider.css 6KB
mdn-like.css 5KB
solarized.css 5KB
liquibyte.css 4KB
colorpicker.min.css 4KB
project.css 3KB
xq-dark.css 3KB
jquery.contextmenu.css 3KB
lesser-dark.css 3KB
icecoder.css 2KB
pastel-on-dark.css 2KB
tomorrow-night-eighties.css 2KB
material.css 2KB
ttcn.css 2KB
prism.css 2KB
erlang-dark.css 2KB
xq-light.css 2KB
rangeSlider.skinFlat.css 2KB
midnight.css 2KB
twilight.css 2KB
base16-light.css 2KB
base16-dark.css 2KB
vibrant-ink.css 2KB
mbo.css 2KB
dracula.css 2KB
paraiso-light.css 2KB
paraiso-dark.css 2KB
3024-night.css 2KB
jquery.lightbox-0.5.css 2KB
zenburn.css 2KB
3024-day.css 2KB
seti.css 2KB
abcdef.css 2KB
blackboard.css 2KB
the-matrix.css 2KB
monokai.css 2KB
yeti.css 2KB
rubyblue.css 2KB
tomorrow-night-bright.css 2KB
night.css 2KB
cobalt.css 2KB
colorforth.css 2KB
default.css 1KB
eclipse.css 1KB
neo.css 947B
elegant.css 781B
neat.css 688B
common.css 501B
jquery.gridly.css 262B
bootstrap-treeview.min.css 204B
ambiance-mobile.css 103B
datingTestSet.csv 33KB
datingTestSet2.csv 25KB
diabetes.csv 23KB
testSet.csv 1KB
testSet2.csv 1KB
clusters.csv 668B
points.csv 636B
djangorestframe.db 140KB
glyphicons-halflings-regular.eot 20KB
loading-0.gif 6KB
metro.gif 5KB
lightbox-ico-loading.gif 4KB
loading-2.gif 2KB
lightbox-btn-prev.gif 832B
lightbox-btn-next.gif 812B
loading-1.gif 701B
lightbox-btn-close.gif 700B
loading.gif 381B
lightbox-blank.gif 43B
.gitattributes 159B
project.html 29KB
bayes.html 9KB
kmeans_visual.html 4KB
normal.html 287B
result2.jpg 227KB
result1.jpg 215KB
bayes.jpg 24KB
plotly.min.js 1.09MB
codemirror.js 343KB
fullcalendar.js 306KB
jquery-3.3.1.js 265KB
jquery-ui.min.js 232KB
jsPlumb-2.2.8-min.js 193KB
zrender.min.js 101KB
jquery.min.js 94KB
jquery.cxselect.min.js 91KB
jquery.datetimepicker.min.js 90KB
jquery-3.3.1.min.js 85KB
backbone.js 71KB
共 215 条
- 1
- 2
- 3
甜辣uu
- 粉丝: 8386
- 资源: 1103
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- alu.v
- H21-282学习参考.pdf
- QuestionTwo.java
- QuestionOne.java
- AWS Certified Solutions Architect Study Guide -SAA-C03 .docx
- 校园小情书微信小程序源码 社区小程序前后端开源 校园表白墙交友小程序.rar
- OA办公自动化管理系统(Struts1.2+Hibernate3.0+Spring2+DWR).rar
- 简历-求职简历-word-文件-简历模版免费分享-应届生-高颜值简历模版-个人简历模版-简约大气-大学生在校生-求职-实习
- 南京邮电大学数学实验:熟练掌握 Matlab 软件的基本命令和操作
- 简历-求职简历-word-文件-简历模版免费分享-应届生-高颜值简历模版-个人简历模版-简约大气-大学生在校生-求职-实习
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
前往页