KNN算法解决鸢尾花分类案例

KNN算法解决鸢尾花分类案例

本文分别通过KNN底层算法实现和sklearn中的KNeighbors Classifier（K近邻分类模拟）和对3中不同的鸢尾花的分类。

一、K近邻（KNN）算法介绍

二、KNN举例说明

三、KNN举例计算

四、KNN算法实现

五、利用KNN算法实现鸢尾花分类案例

案例背景说明：数据为sklearn自带的，数据集共有150条，其中数据
data代表着鸢尾花的4个特征（花萼长度，花萼宽度，花瓣长度，花瓣宽度）。target表示鸢尾花的三种不同类型（setosa，versicolor，virginica）
通过KNN算法，将数据集按比例随机生成分成70%的训练集和30%测试集。
最后通过对比预测的结果与实际结果，并计算出预测准确率。

方案一：通过KNN底层算法实现

1.导入必要库

# 导入库
import numpy as np 
import pandas as pd

# 导入sklearn的数据集
from sklearn.datasets import load_iris
# 切分数据集和训练集
from sklearn.model_selection import train_test_split
# 计算分类预测准确率
from sklearn.metrics import accuracy_score

2.查看鸢尾花的数据

iris = load_iris()

# 查看x的前5行数据
print(iris.data[:5])

# 查看结果y的前5行数据
print(iris.target)

3.对数据进行预处理

x = iris.data
y = iris.target.reshape(-1,1)
print(x.shape,y.shape)

4.将测试集与训练集分离

# 换分训练集和测试集
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.3,random_state=35,stratify = y)
print(x_train.shape,y_train.shape)
print(x_test.shape,y_test.shape)

5.核心算法实现

# 距离函数定义
# 曼哈顿距离
def l1_distance(a,b):
    return np.sum(np.abs(a-b),axis=1)

def l2_distance(a,b):
    return np.sqrt(np.sum((a-b)**2,axis=1))

# 分类器实现
class kNN(object):
    # 定义初始化方法,初始化kNN需要的超参数
    def __init__(self,n_neighbors = 1,dist_func = l1_distance):
        self.n_neighbors = n_neighbors
        self.dist_func = dist_func
    
    # 训练模型方法
    def fit(self,x,y):
        # 将x，y传进来即可
        self.x_train = x
        self.y_train = y
        
    # 模型预测方法
    def predict(self,x):
        # 初始化预测分类数组
        y_pred = np.zeros((x.shape[0],1),dtype = self.y_train.dtype)
        
        # 遍历输入的x数据点
        for i,x_test in enumerate(x):
            # x_test跟所有的训练数据计算距离
            distances = self.dist_func(self.x_train,x_test)
            
            # 得到的距离按照由近到远排序
            nn_index = np.argsort(distances)
            
            # 选取最近的k个点，保存其类别
            nn_y = self.y_train[nn_index[:self.n_neighbors]].ravel()
            
            # 统计类别中频率最高的那个，赋给y_pred[i]
            y_pred[i] = np.argmax(np.bincount(nn_y))
        return y_pred            

6.测试数据

# 定义一个knn实例
knn = kNN(n_neighbors = 3)

# 训练模型
knn.fit(x_train,y_train)

# 传入测试数据，做预测
y_pred = knn.predict(x_test)
print(y_test.ravel())
print(y_pred.ravel())

# 求准确率
accuracy = accuracy_score(y_test,y_pred)

print('预测准确率：',accuracy)

7.通过改变不同的k值和距离函数类型，得到更好的方案

# 定义一个knn实例
knn = kNN()

# 训练模型
knn.fit(x_train,y_train)

# 创建一个列表保存不同的准确率

result_list = []
for p in [1,2]:
    knn.dist_func = l1_distance if p == 1 else l2_distance
    # 考虑不同的k值
    for k in range(1,10,2):
        knn.n_neighbors = k
        # 传入测试数据，做预测
        y_pred = knn.predict(x_test)
        
        # 求出预测准确率
        accuracy = accuracy_score(y_test,y_pred)
        result_list.append([k,'l1_distance' if p ==1 else 'l2_distance',accuracy])

df  = pd.DataFrame(result_list,columns = ['k','距离函数','预测准确率'])
df 

方案二：通过sklearn中的KNeighbors Classifier实现

1.导入必要库

from __future__ import print_function

# 导入数据集
from sklearn import datasets
from sklearn.model_selection import train_test_split

# 导入K近邻算法库
from sklearn.neighbors import KNeighborsClassifier

2.导入数据

iris = datasets.load_iris()
iris_X = iris.data
iris_y = iris.target

3.查看数据

# 查看data数的前5行
print(iris_X[:5])
# 查看分类结果
print(iris_y)

# 查看data和target的数据结构
print(iris_X.shape)
print(iris_y.shape)

2.分离数据（70%训练集和30%测试集）

# 将数据分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(
    iris_X, iris_y, test_size=0.3)     # 将数据集分开，测试集的数据量设置为30%，训练集为70%

3.创建KNN回归模型进行预测

# 分类
knn = KNeighborsClassifier()
knn.fit(X_train, y_train)

# 预测结果
print(knn.predict(X_test))

# 实际结果
print(y_test)

4.计算预测准确率

# 计算分类预测准确率
from sklearn.metrics import accuracy_score

# 求准确率
accuracy = accuracy_score(y_test,knn.predict(X_test))

print('预测准确率：',accuracy)