用fme提取图斑特征值用knn邻近算法构造训练模型，实现按照图斑形状相似度分类

作者：努力的悟空

目录

前言

一、图形形状相似度分类案例

二、需要环境和步骤

1.用fme进行数据特征值提取

2.读入数据

3.数据分割

4.特征工程预处理

5.实例化估计器，和交叉网格验证

6.模型训练

7.模型评估

 8.输入值测试模型效果

总结

---

---

前言

  随着人工智能的不断发展，机器学习这门技术也越来越重要，机器学习的基本原理都是通过提取需要训练对象的一系列的特征值，然后提前设定好分类目标值，通过投喂大量的数据来完成模型的建立。之后就只需要通过该模型的计算得出数据的预测值。本文主要采用了机器学习的knn算法来完成模型搭建，什么是knn算法呢，大概意思就是通过一个n维向量建立的kd树，输入的数据只需要查找到距离最近的那一个点，然后就会选择和那个点一样的类别。接下来我们直接进入实战来展示knn算法的运用。

---

一、图形形状相似度分类案例

我们以这些图形为案例，通过肉眼判断，我们可以将这些图形按形状类型分为8种形状，那么我们就需要提前把目标结果手动输入进去，作为我们的训练样本。训练出模型之后随便导入一个图形，模型就会计算出最接近的形状给出预测结果。

二、需要环境和步骤

1.用fme进行数据特征值提取

 我们需要尽可能多的抓取能提现图形形状的数据参数，这里我选取了8个数据：环洞个数，各种内角角度个数，界址点个数，面积，周长等。由于本文主要是展示knn算法的实现过程，所以数据提取的步骤不做详解，需要了解数据提取的小伙伴可以私聊。

2.读入数据

首先我们需要把fme的数据格式转换为pandas的datafrom格式因为fmeobj的特性，我们需要在init函数实例化变量，注意一定要在变量前加self（这是因为class类的原因，每一个变量前加一个self代表类本身）然后我们将字段导入进sheet数组，在用pandas把格式转换。

class FeatureProcessor(object):
    def __init__(self):
        self.aa=[]
        self.bb=[]
        self.sheet1=()
        self.sheet2=()

        pass
    def input(self,feature):
        #获取数据集
        self.aa.append([feature.getAttribute('面积'),feature.getAttribute('周长'),feature.getAttribute('钝角个数'),feature.getAttribute('锐角个数'),feature.getAttribute('直角个数'),feature.getAttribute('凹角个数'),feature.getAttribute('边界框面积'),feature.getAttribute('JZDH.total_count'),feature.getAttribute('环洞个数')])
        self.sheet1=pd.DataFrame(self.aa,columns=['面积','周长','钝角','锐角','直角','凹角','边界框','界址','环洞'])
        self.bb.append([feature.getAttribute('目标值')])
        self.sheet2=pd.DataFrame(self.bb,columns=['目标'])

3.数据分割

我们需要把数据按训练比例进行分割，一般来说是百分之20作为测试集，百分之80作为训练集。

我这里是因为训练数据量太少了，测试集只区了百分之15.

        x = self.sheet1[['面积','周长','钝角','锐角','直角','凹角','边界框','界址','环洞']]
        y = self.sheet2["目标"]
        print(x)
        print('---------'*30)
        print(y)
        x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.15)

4.特征工程预处理

为什么要进行这一步，是因为我们的数据量大小不一致，如不进行标准差处理的话，有些字段比如面积基数很大，但是界址点个数很小，那么面积的权重就会占比很大从而导致测试的不准确，sklearn模块自带了特征值方差求解的api，所以我们只需要一行代码就可以搞定。

        transfer = StandardScaler()
        x_train = transfer.fit_transform(x_train)
        x_test = transfer.fit_transform(x_test)

5.实例化估计器，和交叉网格验证

为了让被评估的模型更加准确可信我们需要添加交叉验证：将拿到的训练数据，分为训练和验证集。比如我们将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。这里我cv就是验证次数param_grid就是网格网格搜索的k值。

        estimator = KNeighborsClassifier()
        param_grid = {"n_neighbors": [1, 3, 5,7,9]}
        estimator = GridSearchCV(estimator, param_grid=param_grid, cv=5, n_jobs=1)

6.模型训练

将训练集投入

estimator.fit(x_train, y_train)

7.模型评估

 y_predict = estimator.predict(x_test)
 score = estimator.score(x_test, y_test)

我们将以上两个参数，打印出来可以看到模型的以及构造成功，并对测试集进行的测试，如果测试完没问题，我们就只需要保存模型就可以了。

 8.输入值测试模型效果

我们重新找来3个全新的样本，来测试我们构建的模型是否正确

 我们将上一步的模型导入进来

estimator = joblib.load(r"F:\人工智能全套资料\阶段5-人工智能经典算法编程\第6节 K-近邻算法\test.pkl")

用之前的fme构建的模板重新获取特征值

---

 然后调用训练的模型进行训练，最后将训练的结果保存为字段

 可以看到输入的3个新图形已经自动完成了预测结果分类。

总结

前前后后大概学习了两个月的机器学习，以上展示的只是机器学习的其中一个算法的api调用，其中蕴含的真正的算法，原理并没有做详细的赘述。aid 学习路线实在是非常枯燥，涉及的数学知识之多，高数、统计学、线性代数，如果不了解原理只是学会调用api 配置参数，那么只能说机器学习还未能入门，但是一直怼基础原理又会非常枯燥，这里也是完全开源给大家分享一个实操案例，感兴趣的小伙伴可以手动敲一下代码，模型构建和模型评估还是很有意思的。