KNN算法（K-NearestNeighbor）详解(手写python代码实现+sklearn实现) 数据挖掘 分类算法 例子讲解 优缺点特点总结

KNN算法（K-NearestNeighbor）详解(手写python代码实现+sklearn实现) 数据挖掘 分类算法 例子讲解 优缺点特点总结

1、KNN算法（K-NearestNeighbor）的介绍

为了判定未知样本的类别，以全部训练样本作为代表点，计算未知样本与所有训练样本的距离，并以最近邻者的类别较多的作为决策未知样本类别的唯一依据。

度量方式包括：欧式距离，曼哈顿距离，切比雪夫距离等

2、KNN算法的优缺点

• 算法的优点就是简单易懂

• 算法的缺点是

  1、只适合小数据集（每次预测都要用到全部的数据集）
  2、数据不平衡，也就是类别分布不统一的话，会打破平衡
  3、必须使用数据标准化，量纲不同的话，会导致结果被量纲大的数据所影响
  4、不适合特征维度过多的数据
  5、KNN是基于局部信息进行预测，对噪声非常敏感，K值的选取很重要，过小会导致对噪声敏感（容易过拟合），过大会包含过多其他的类别（容易欠拟合），影响最终的结果
  

3、KNN算法的手写实现

手写算法思路：

例子如下：

代码实现：

import numpy as np

def getMaxinN(NArray,y):
    max_dist = 0
    max_index = 0
    print(NArray)
    for i in range(len(NArray)):
        print(np.abs(NArray[i][0] - y[0]))
        if abs(NArray[i][0] - y[0]) > max_dist :
            max_dist = NArray[i][0] - y[0]
            max_index = i
    print('max_dist:',max_dist)
    print('max_index:',max_index)
    print('================================')
    return [max_dist,max_index]

if __name__ == '__main__':
    data = [
        [1.6, 1],
        [2, 2],
        [1.9, 3],
        [1.88, 3],
        [1.7, 1],
        [1.85, 3],
        [1.6, 1],
        [1.7, 1],
        [2.2, 2],
        [2.1, 2],
        [1.8, 3],
        [1.95, 3],
        [1.9, 3],
        [1.8, 3],
        [1.75, 3]
    ]
    k = 5
    # 存放最近的五个点
    N = []
    TextData = [1.6]
    for i in range(len(data)):
        if i<k:
            N.append(data[i])
        else :
            max_arr = getMaxinN(N,TextData)
            if np.abs(data[i][0]-TextData[0]) < max_arr[0]:
                N.pop(max_arr[1])
                N.append(data[i])
    print(N)

    flag_arr = []
    for i in range(len(N)):
        flag_arr.append(N[i][1])

    frequencyNum = 0
    result = 0
    for i in range(max(flag_arr)):
        flagNum = flag_arr.count(i+1)
        if flagNum>frequencyNum:
            frequencyNum = flagNum
            result = i+1
    print(f'即最终的结果为，1.6属于{result}类' )

4、KNN算法的sklearn实现

1、导入sklearn模块与numpy模块

2、加载数据，并划分训练以及测试集

注意：这里的训练数据和测试数据的形状如果不是（n,1）的，要reshape(-1,1)，标签则不需要，直接一行即可
3、实例化KNN分类器并用训练数据进行训练

4、使用模型对测试数据进行预测并计算准确率

运行结果如下：

完整代码：

# coding=utf8
from sklearn import datasets
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

def KNN(data,target):
    # 设置随机种子，确保每次产生的随机数都一样
    np.random.seed(0)
    shuffle_arr = np.random.permutation(len(data))  # 生成打乱的ndarray索引
    ratio = 0.8
    num = int(ratio*len(data))
    # 划分训练集和测试集
    data_train = data[shuffle_arr[:num]]        # 注意：训练数据的形状如果不是（n,1）的，要reshape(-1,1)
    target_train = target[shuffle_arr[:num]]
    data_test = data[shuffle_arr[num:]]         # 注意：测试数据的形状如果不是（n,1）的，要reshape(-1,1)
    target_test = target[shuffle_arr[num:]]

    # 定义KNN分类器对象,k值为5
    knn = KNeighborsClassifier(n_neighbors=5)
    # 调用fit方法进行训练，接受训练集数据和标签
    knn.fit(data_train, target_train)

    # 调用预测方法，对数据进行预测
    predict = knn.predict(data_test)
    print('正确标签:', target_test)
    print('预测标签:', predict)

    # 计算准确率
    score = knn.score(data_test, target_test, sample_weight=None)
    print('准确率:', score)

    # 计算出预测属于每个分类的概率
    probility = knn.predict_proba(data_test)
    print(probility)

    print(knn.predict(np.array([[1.6]])))

if __name__ == '__main__':

    # 数据准备
    # iris = datasets.load_iris()
    # data = iris['data']  # 数据  都是ndarray类型的
    # target = iris['target']  # 数值型标签分类
    # target_name = iris['target_names']  # 数值型标签对应的分类名称

    example = np.array([
        [1.6, 1],
        [2, 2],
        [1.9, 3],
        [1.88, 3],
        [1.7, 1],
        [1.85, 3],
        [1.6, 1],
        [1.7, 1],
        [2.2, 2],
        [2.1, 2],
        [1.8, 3],
        [1.95, 3],
        [1.9, 3],
        [1.8, 3],
        [1.75, 3]
    ])
    data = example[:,0].reshape(-1,1)
    target = example[:,1]
    KNN(data,target)

5、KNN的特点总结

1. 是一种基于实例的学习，需要一个邻近性度量来确定实例间的相似性或距离
2. 不需要建立模型，但分类一个测试样例开销很大，需要计算域所有训练实例之间的距离
3. 基于局部信息进行预测，对噪声非常敏感
4. 最近邻分类器可以生成任意形状的决策边界，决策树和基于规则的分类器通常是直线决策边界
5. 需要适当的邻近性度量和数据预处理，防止邻近性度量被某个属性左