数据挖掘经典算法之 K- 邻近算法（超详细附代码）

Python研究者

关注

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

理论成熟，思想简单，既可以用来做分类也可以用来做回归；
适合对稀有事件进行分类（例如：客户流失预测）；
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

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；
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；
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

原文链接:【http://xie.infoq.cn/article/8e5616d8f23b376c8e985d276】。文章转载请联系作者。

Python研究者

关注

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。

发布

暂无评论

创作场景

数据挖掘经典算法之 K- 邻近算法（超详细附代码）

​简介

基本思想

算法复杂度

优缺点

优点

缺点

代码

Python研究者

评论

简介