写点什么

数据挖掘经典算法之 K- 邻近算法(超详细附代码)

发布于: 3 小时前

​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-8
import numpy as np
def 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_dataset
def 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')
复制代码


发布于: 3 小时前阅读数: 3
用户头像

个人公众号:Python研究者 2021.04.26 加入

教你如何学Python,专注于Python入门与进阶、爬虫、数据分析挖掘、数据可视化。分享Python相关的技术文章、工具资源、视频教程、学习资料。

评论

发布
暂无评论
数据挖掘经典算法之K-邻近算法(超详细附代码)