KNN算法 总结

KNN算法 总结

总结

KNN K-Nearest-Neighbor Algorithm，从算法名称来看一个待测点只要看周围K个邻居是什么就行了，符合中国一句谚语，物以类聚，人以群分。KNN算法实际就是上述谚语的数学描述，算法是现实世界的数字化。KNN既可以用于cluster也可以用于classification，对于cluster而言，KNN就是将物以类聚，其中K代表多少个类，对于classification而言，K是多少个邻居，就是根据K个邻居判断未知物属于哪个类。

KNN 算法

KNN算法核心是如何计算和Neighbor的距离，就是如何判定邻居之间的距离，如何用量化的数据描述，我和你很近，我和你很远等非数字化的语言。

距离计算

下面多种距离的判断方式
1. 欧式距离

d(x,y):=(x1−y1)2+(x2−y2)2+⋯+(xn−yn)2−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√2=∑i=1n(xi−yi)2−−−−−−−−−−−√

2. 曼哈顿距离

d12=∑k=1n|x1k−x2k|

3. 切比雪夫距离（L∞度量

D(p,q):=max(|pi−qi|)

等价公式

d12=limk→∞∑i=1n|X1i−X2i|k−−−−−−−−−−−−−√1k

4. 闽科夫斯基距离

d12=∑k=1n|X1k−X2k|p−−−−−−−−−−−−−√p

其中P为参数
当p=1时，就是曼哈顿距离
当p=2时，就是欧式距离
当p→∞时，就是切比雪夫距离
5. 标准化欧式距离
标准化欧式距离是针对普通欧式距离标准化

X∗=X−mS

样本的均值为m，标准差为s

d12=∑k=1n(x1k−x2ksk)2−−−−−−−−−−−−−√

6. 马氏距离
有M个样本向量X1~Xm，协方差矩阵记为S，均值记为向量μ，则其中样本向量X到u的马氏距离表示为：

D(X)=(X−u)TS−1(X−u)−−−−−−−−−−−−−−−−−√

（协方差矩阵中每个元素是各个矢量元素之间的协方差Cov(X,Y)，Cov(X,Y) = E{ [X-E(X)] [Y-E(Y)]}，其中E为数学期望）
而其中向量Xi与Xj之间的马氏距离定义为：

D(Xi,Xj)=(Xi−Xj)TS−1(Xi−Xj)−−−−−−−−−−−−−−−−−−−−√

若协方差矩阵是单位矩阵（各个样本向量之间独立同分布）,则公式就成了：

D(Xi,Xj)=(Xi−Xj)T(Xi−Xj)−−−−−−−−−−−−−−−−−√

也就是欧氏距离了。　　
若协方差矩阵是对角矩阵，公式变成了标准化欧氏距离
7. 巴氏距离
8. 汉明距离
9. 夹角余弦

cos(t)=∑nk=1x1kx2k∑nk=1x21k−−−−−−−−√∑nk=1x22k−−−−−−−−√

10. 杰卡德相似系数
11. 皮尔逊系数

Rxy=∑ni=1(Xi−mean(X))2(Xj−mean(X))2−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√∑ni=1(Xi−mean(X))2−−−−−−−−−−−−−−−−−−√∑ni=1(Xi−mean(X))2−−−−−−−−−−−−−−−−−−√

KNN算法实现

KNN算法实现
4.1 暴力手段，就是计算待测项与所有的训练集的点，判断待测项最近的邻居，即缺点显而易见，慢，如果待测项有1K多的维度，则计算量则是一个天文数字。
4.2 使用KD树，先将训练集的数据构造成KD树，判断测试集时，时间大大缩短。其缺点是构造KD树时比较慢，但是构造完KD树后查询很快。