1.什么是K近邻算法
最直观的解释就是：给定一个训练数据集，对于新的输入实例，在训练集中找到与该实例最近邻的 k 个实例，这 k 个实例的多数属于哪个类，则该实例就属于哪个类。
2.K近邻算法的优缺点
优点：精度高，对异常值不敏感
缺点：计算复杂度高，空间复杂度高
3.K近邻算法关键点分析
由K近邻算法的解释，这将分下述关键点讲解：
3.1.找到与该实例最近邻的实例，这里就涉及到如何找到，即在特征向量空间中，我们要采取何种方式来对距离进行度量,这是我们要考虑的第一个问题。距离决定了数据数据点的相似程度，即分类的量度信息。
通常计算距离的方法由曼哈顿距离和欧式距离，其余参考的还有余弦距离、切比雪夫距离等。
以下是常用的欧式距离公式：
3.2. k 个实例中个 k 值的大小如何选择。
一般而言，k 值的大小对分类结果有着重大的影响。当选择的 k 值较小的情况下，就相当于用较小的邻域中的训练实例进行预测，只有当与输入实例较近的训练实例才会对预测结果起作用。但与此同时预测结果会对实例点非常敏感，分类器抗噪能力较差，因而容易产生过拟合，所以一般而言，k 值的选择不宜过小。但如果选择较大的 k 值，就相当于在用较大邻域中的训练实例进行预测，但相应的分类误差也会增大，模型整体变得简单，会产生一定程度的欠拟合。所以一般而言，我们需要采用交叉验证的方式来选择合适的 k 值。
3.3. k 个实例的多数属于哪个类。
这里只需要计算所选K个值种每个类别出现的额频率，频率最高的就是算法输出结果。
4.使用sklearn-knn进行多分类实例演示
#导入相关库 由于实际使用模块较多，这里是所有工程需要库，不必全部导入
import numpy as np import pandas as pd from pandas import read_csv from pandas.plotting import scatter_matrix from matplotlib import pyplot as plt from sklearn.model_selection import train_test_split from sklearn.model_selection import cross_val_score from sklearn.model_selection import StratifiedKFold from sklearn.metrics import classification_report from sklearn.metrics import confusion_matrix from sklearn.metrics import accuracy_score
#导入封装好的KNN算法
from sklearn.neighbors import KNeighborsClassifierfrom sklearn import metrics from collections import Counter from sklearn.externals import joblib import time
#解决matplotlib中文显示乱码问题
plt.rcParams['font.family'] = ['sans-serif']
plt.rcParams['font.sans-serif'] = ['SimHei']
#导入数据
#数据读取与划分数据集
#random_state参数将随机种子设置为固定数字，以确保每种算法都在训练数据集的相同分割上进行评估。
data = pd.read_csv("E:\Mywork\分类器\file\Data_1.csv")
print(data.shape)
print(data.head())
array = data.iloc[:,:].values
X = array[:,1:3]
y = array[:,3]
X_train, X_validation, Y_train, Y_validation = train_test_split(X, y, test_size=0.1, random_state=1)
#查看数据分布状况
plt.scatter(X_train[:,0], X_train[:,1],c = Y_train)
plt.show()
#Surpervised KNN
#Knn网络参数详解
'''
class sklearn.neighbors.KNeighborsClassifier(n_neighbors=5, weights=’uniform’,
algorithm=’auto’, leaf_size=30, p=2, metric=’minkowski’, metric_params=None,
n_jobs=1, **kwargs)
1.n_neighbors : 一个整数，指定k值。
2.weights:字符串或可调用对象，指定投票权重类型。
uniform:节点附件邻居节点的投票权重都相等。
distance:投票权重与距离成正比。节点越近权重越大。
[callable]:一个可调用对象，它传入距离的数组，返回同样形状的权重数组。
3.algorithm:一个字符串，指定最近邻算法。
ball_tree : 使用BallTree算法。
kd_tree : 使用KDTree算法。
brute : 使用暴力搜索算法。
auto : 自动决定最合适算法
4.leaf_size:一个int,指定BallTree或者KDTree叶节点的规模。影响树的构建和查询速度。
5.metric:一个str,指定距离量度。默认为'minkowski'
6.P:int
1.曼哈顿距离。
2.欧式距离。
'''
#使用Sklearn构建KNN算法
KNN_model = KNeighborsClassifier(n_neighbors = 3,leaf_size = 30,p = 2,)
KNN = KNN_model.fit(X_train,Y_train)
y_pred_KNN = KNN.predict(X_validation)
y_pred_raw = KNN.predict(data_test_1)
#评估预测
print("训练集:", KNN.score(X_train, Y_train))
print("测试集:", KNN.score(X_validation, Y_validation))
print(accuracy_score(Y_validation,y_pred_KNN))
print(confusion_matrix(Y_validation, y_pred_KNN))
print(classification_report(Y_validation, y_pred_KNN))
plt.title('测试集效果')
plt.scatter(X_validation[:,0],X_validation[:,1],c = y_pred_KNN)
输出
