python之K-邻近算法/kNN(附上注解代码)

简介

又叫K-邻近算法,是监督学习中的一种分类算法。目的是根据已知类别的样本点集求出待分类的数据点类别。

基本思想

kNN的思想很简单:在训练集中选取离输入的数据点最近的k个邻居,根据这个k个邻居中出现次数最多的类别(最大表决规则),作为该数据点的类别。kNN算法中,所选择的邻居都是已经正确分类的对象。

 

算法复杂度

kNN是一种lazy-learning算法,分类器不需要使用训练集进行训练,因此训练时间复杂度为0;kNN分类的计算复杂度和训练集中的文档数目成正比,也就是说,如果训练集中文档总数为n,那么kNN的分类时间复杂度为O(n);因此,最终的时间复杂度是O(n)。

优缺点

优点

  1. 理论成熟,思想简单,既可以用来做分类也可以用来做回归 ;

  2. 适合对稀有事件进行分类(例如:客户流失预测);

  3. 特别适合于多分类问题(multi-modal,对象具有多个类别标签,例如:根据基因特征来判断其功能分类), kNN比SVM的表现要好。

缺点

  1. 当样本不平衡时,如一个类的样本容量很大,而其他类样本容量很小时,有可能导致当输入一个新样本时,该样本的K个邻居中大容量类的样本占多数;

  2. 计算量较大,因为对每一个待分类的文本都要计算它到全体已知样本的距离,才能求得它的K个最近邻点;

  3. 可理解性差,无法给出像决策树那样的规则。

代码

 

# -*- coding: utf-8 -*-"""Created on Tue Sep 15 20:53:14 2020@author: Administrator"""# coding:utf-8import numpy as npdef createDataset():    '''    创建训练集,特征值分别为搞笑镜头、拥抱镜头、打斗镜头的数量    '''    learning_dataset = {"宝贝当家": [45, 2, 9, "喜剧片"],              "美人鱼": [21, 17, 5, "喜剧片"],              "澳门风云3": [54, 9, 11, "喜剧片"],              "功夫熊猫3": [39, 0, 31, "喜剧片"],              "谍影重重": [5, 2, 57, "动作片"],              "叶问3": [3, 2, 65, "动作片"],              "伦敦陷落": [2, 3, 55, "动作片"],              "我的特工爷爷": [6, 4, 21, "动作片"],              "奔爱": [7, 46, 4, "爱情片"],              "夜孔雀": [9, 39, 8, "爱情片"],              "代理情人": [9, 38, 2, "爱情片"],              "新步步惊心": [8, 34, 17, "爱情片"]}    return learning_datasetdef kNN(learning_dataset,dataPoint,k):    '''    kNN算法,返回k个邻居的类别和得到的测试数据的类别    '''    # s1:计算一个新样本与数据集中所有数据的距离    disList=[]    for key,v in learning_dataset.items():       #对距离进行平方和开根号       d=np.linalg.norm(np.array(v[:3])-np.array(dataPoint))       #round四舍五入保留两位小数,并添加到集合中       disList.append([key,round(d,2)])    # s2:按照距离大小进行递增排序    disList.sort(key=lambda dis: dis[1])     # s3:选取距离最小的k个样本    disList=disList[:k]    # s4:确定前k个样本所在类别出现的频率,并输出出现频率最高的类别    labels = {"喜剧片":0,"动作片":0,"爱情片":0}    #从k个中进行统计哪个类别标签最多    for s in disList:          #取出对应标签        label = learning_dataset[s[0]]         labels[label[len(label)-1]] += 1    labels =sorted(labels.items(),key=lambda asd: asd[1],reverse=True)    return labels,labels[0][0]if __name__ == '__main__':    learning_dataset=createDataset()    testData={"唐人街探案": [23, 3, 17, "?片"]}    dataPoint=list(testData.values())[0][:3]        k=6    labels,result=kNN(learning_dataset,dataPoint,k)    print(labels,result,sep='\n')

 

 

欢迎关注公众号:Python爬虫数据分析挖掘,回复【开源源码】免费获取更多开源项目源码

公众号每日更新python知识和【免费】工具

你可能感兴趣的:(python,数据挖掘,算法,python)