K - 近邻算法

水深无声 2022-12-29 02:10 115阅读 0赞

### K - 近邻算法 ###

*  K-近邻算法(KNN)原理
 *  K-近邻算法 API
 *  案例：鸢尾花种类预测
 *  结果分析
 *  K-近邻总结

# K-近邻算法(KNN)原理 #

`K Nearest Neighbor`算法又叫`KNN`算法，这个算法是机器学习里面一个比较经典的算法，总体来说`KNN`算法是相对比较容易理解的算法

**定义**

如果一个样本在特征空间中的**k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别**，则该样本也属于这个类别。  
距离公式  
两个样本的距离

*  曼哈顿距离（绝对值距离）
 *  欧氏距离
 *  明可夫斯基距离

# K-近邻算法 API #

*  `sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')`
    
     *  `n_neighbors`：`int`,可选(默认=5)，`k_neighbors`查询默认使用的邻居数。
     *  `algorithm:{'auto'，'ball_tree','kd_tree'，'brute'}`，可选用于计算最近邻居的算法：`'ball_tree'`将会使用`BallTree`,`'kd_tree'`将使用`KDTree`。`'auto'`将尝试根据传递给`fit`方法的值来决定最合适的算法。(不同实现方式影响效率)

# 案例：鸢尾花种类预测 #

from sklearn.datasets import load_iris
    from sklearn.model_selection import train_test_split
    from sklearn.preprocessing import StandardScaler
    from sklearn.neighbors import KNeighborsClassifier
    
    if __name__ == '__main__':
        #  获取数据
        iris = load_iris()
    
        # 划分数据集
        x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
    
        # 特征工程：标准化
        transfer = StandardScaler()
        x_train = transfer.fit_transform(x_train)
        x_test = transfer.fit_transform(x_test)     # 控制变量, 用同样的参数进行标准化
    
        # KNN 算法预估器
        estimator = KNeighborsClassifier(n_neighbors=3)
        estimator.fit(x_train, y_train)
    
        # 模型评估
        # 方法一：直接对比真实值和预测值
        y_predict = estimator.predict(x_test)
        print('y_predict：\n', y_predict)
        print('直接对比真实值和预测值:\n', y_test == y_predict)
    
        # 方法二：计算准确率
        score = estimator.score(x_test, y_test)
        print('准确率:\n', score)

# 结果分析 #

*  k 值取多大？有什么影响？
    
     *  k值取很小：容易受到异常点的影响
     *  k值取很大：受到样本均衡的问题
 *  性能问题？
    
     *  距离计算上面，时间复杂度高

# K-近邻总结 #

*  优点：
    
     *  简单，易于理解，易于实现，无需训
 *  缺点：
    
     *  懒情算法，对测试样本分类时的量大， 内存开销大
     *  必须指定K值，K值选择不当则分类精度不能保证
 *  使用场景：小数据场景，几千～几万样本，具体场景具体业务去测试