中山网站排名,信息爆炸的时代做网站,宁波seo推广,服务器两个域名一个ip做两个网站吗所有代码和文档均在golitter/Decoding-ML-Top10: 使用 Python 优雅地实现机器学习十大经典算法。 (github.com)#xff0c;欢迎查看。 K 邻近算法#xff08;K-Nearest Neighbors#xff0c;简称 KNN#xff09;是一种经典的机器学习算法#xff0c;主要用于分类和回归任务… 所有代码和文档均在golitter/Decoding-ML-Top10: 使用 Python 优雅地实现机器学习十大经典算法。 (github.com)欢迎查看。 K 邻近算法K-Nearest Neighbors简称 KNN是一种经典的机器学习算法主要用于分类和回归任务。它的核心思想是给定一个新的数据点通过查找训练数据中最接近的 K 个邻居并根据这些邻居的标签来预测新数据点的标签。
KNN 是一种 基于实例的学习Instance-based learning算法。在训练阶段它并不构建显式的模型而是将训练数据存储起来在预测阶段计算待预测点与训练集中所有点的距离然后选择 K 个最近的邻居根据邻居的标签进行投票或平均来做出预测。
KNN 的优点在于其简单易懂、无需训练过程并且适用于大多数任务。它能够处理复杂的非线性问题不依赖数据分布假设能够很好地适应复杂的决策边界。
然而KNN 的缺点也很明显。它的计算开销大因为每次预测都需要计算所有训练数据的距离导致在大数据集上表现不佳。此外KNN 需要存储所有训练数据占用较大的内存空间并且对异常值敏感可能会影响预测结果的准确性。
KNN算法步骤
选择 K 个邻居的数量K 值通常是一个奇数以避免平票的情况。计算待预测数据点与训练数据集中每个点的距离。根据计算出的距离选择 K 个最接近的点。对于分类任务返回 K 个邻居中最多的类别对于回归任务返回 K 个邻居标签的均值。
代码实现
数据处理使用iris.data数据集用PCA进行降维。
import numpy as np
import pandas as pddef pca(X: np.array, n_components: int) - np.array:PCA 进行降维。# 1. 数据标准化去均值X_mean np.mean(X, axis0)X_centered X - X_mean# 2. 计算协方差矩阵covariance_matrix np.cov(X_centered, rowvarFalse)# 3. 计算特征值和特征向量eigenvalues, eigenvectors np.linalg.eig(covariance_matrix)# 4. 按特征值降序排序sorted_indices np.argsort(eigenvalues)[::-1]top_eigenvectors eigenvectors[:, sorted_indices[:n_components]]# 5. 投影到新空间X_pca np.dot(X_centered, top_eigenvectors)return X_pcadef get_data():data pd.read_csv(iris.csv, headerNone)# print(data.dtypes)unq data.iloc[:, -1].unique()for i, u in enumerate(unq):data.iloc[:, -1] data.iloc[:, -1].apply(lambda x: i if x u else x)# print(data.sample(5))xuanze np.random.choice([True, False], len(data), replaceTrue, p[0.8, 0.2])train_data data[xuanze]test_data data[~xuanze]train_data np.array(train_data,dtypenp.float32,)test_data np.array(test_data, dtypenp.float32)# 归一化train_data[:, :-1] (train_data[:, :-1] - train_data[:, :-1].mean(axis0)) / train_data[:, :-1].std(axis0)test_data[:, :-1] (test_data[:, :-1] - test_data[:, :-1].mean(axis0)) / test_data[:, :-1].std(axis0)return (pca(train_data[:, :-1], 2),train_data[:, -1].astype(np.int32),pca(test_data[:, :-1], 2),test_data[:, -1].astype(np.int32),)if __name__ __main__:x_train, y_train, x_test, y_test get_data()print(y_train.dtype)print(x_test, y_test)print(x_train.shape, y_train.shape)
knn过程
from data_processing import get_data
import numpy as np
import matplotlib.pyplot as pltdef euclidean_distance(x_train: np.array, x_test: np.array) - np.array:计算欧拉距离return np.sqrt(np.sum((x_train - x_test) ** 2, axis1))def knn(k: int, x_train: np.array, y_train: np.array, x_test: np.array) - np.array:k近邻算法predictions []for test in x_test:distances euclidean_distance(x_train, test)nearest_indices np.argsort(distances)[:k] # 返回最近的k个点的索引nearest_labels y_train[nearest_indices] # 返回最近的k个点的标签prediction np.argmax(np.bincount(nearest_labels)) # 返回最近的k个点中出现次数最多的标签predictions.append(prediction)return np.array(predictions)def accuracy(predictions: np.array, y_test: np.array) - float:计算准确率return np.sum(predictions y_test) / len(y_test)if __name__ __main__:k 5x_train, y_train, x_test, y_test get_data()predictions knn(k, x_train, y_train, x_test)acc accuracy(predictions, y_test)print(f准确率为: {acc * 100:.2f})# 绘制训练数据plt.scatter(x_train[:, 0], x_train[:, 1], cy_train, cmapviridis, markero, labelTrain Data, alpha0.7)# 绘制测试数据plt.scatter(x_test[:, 0], x_test[:, 1], cy_test, cmapcoolwarm, markerx, labelTest Data, alpha0.7)# 绘制预测结果plt.scatter(x_test[:, 0],x_test[:, 1],cpredictions,cmapcoolwarm,marker.,edgecolorblack,alpha0.7,labelPredictions,)# 添加标题和标签plt.title(KNN Classification Results)plt.xlabel(Feature 1)plt.ylabel(Feature 2)plt.legend()# 显示图形plt.show()
