机器学习分类算法之K近邻（K-Nearest Neighbor）

一、概念

KNN主要用来解决分类问题，是监督分类算法，它通过判断最近K个点的类别来决定自身类别，所以K值对结果影响很大，虽然它实现比较简单，但在目标数据集比例分配不平衡时，会造成结果的不准确。而且KNN对资源开销较大。

二、计算

通过K近邻进行计算，需要：

1、加载打标好的数据集，然后设定一个K值；

2、计算预测对象与打标对象的欧式距离，

     欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式：

    二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离：

    

    三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离：

      

    两个n维向量a(x11,x12,…,x1n)与 b(x21,x22,…,x2n)间的欧氏距离：

     

    然后将计算的结果进行排序选取前K个组成决策集合，然后在其中选取最多的作为预测对象类别

 

三、实现

import math
import operator


def get_distance(vect_test, vect_train):
    distance = 0
    for i in range(len(vect_test)):
        distance = pow((vect_test[i] - vect_train[i]), 2)
    return math.sqrt(distance)


def get_neighbor(vect_test, train_vect_set, k):
    distance = []
    for vect_train in train_vect_set:
        dist = get_distance(vect_test, vect_train)
        distance.append((dist, vect_train))
    distance.sort(key=operator.itemgetter(0))
    neighbors = []
    for i in range(k):
        neighbors.append(distance[i][1])
    return neighbors


def get_result(neighbors):
    votes = {}
    for neighbor in neighbors:
        vote = neighbor[-1]
        if vote in votes:
            votes[vote] += 1
        else:
            votes[vote] = 1
    vote_order = sorted(votes.items(), key=operator.itemgetter(1), reverse=True)
    return vote_order[0][0]


def k_nearest_neighbor(vect_test, vect_train, k):
    neighbors = get_neighbor(vect_test, vect_train, k)
    result = get_result(neighbors)
    print(result)


if __name__ == '__main__':
    vect_train = [[1, 1, 1, 'a'], [2, 2, 2, 'b'], [1, 1, 3, 'a'], [4, 4, 4, 'b'], [0, 0, 0, 'a'], [4, 5, 4, 'b']]
    vect_test = [5, 5, 5]
    k_nearest_neighbor(vect_test, vect_train, 3)