实验二 K-近邻算法及应用
2021/5/19 1:27:06
本文主要是介绍实验二 K-近邻算法及应用,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
班级 | 机器学习实验-计算机18级 |
---|---|
实验内容 | K-近邻算法及应用 |
姓名 | 程王宇 |
学号 | 3180701339 |
【实验目的】
1、理解K-近邻算法原理,能实现算法K近邻算法;
2、掌握常见的距离度量方法;
3、掌握K近邻树实现算法;
4、针对特定应用场景及数据,能应用K近邻解决实际问题。
【实验内容】
1、实现曼哈顿距离、欧氏距离、闵式距离算法,并测试算法正确性。
2、实现K近邻树算法;
3、针对iris数据集,应用sklearn的K近邻算法进行类别预测。
4、针对iris数据集,编制程序使用K近邻树进行类别预测。
【实验报告要求】
1、对照实验内容,撰写实验过程、算法及测试结果;
2、代码规范化:命名规则、注释;
3、分析核心算法的复杂度;
4、查阅文献,讨论K近邻的优缺点;
5、举例说明K近邻的应用场景。
实验结果
实验代码
1、
import math #导入math模块,就可以用模块里面的数学运算的函数 from itertools import combinations
2、
def L(x, y, p=2): # 两个实例二维特征 x1 = [1, 1], x2 = [5,1] if len(x) == len(y) and len(x) > 1: # 当两个特征的维数相等时,并且维度大于1时。 sum = 0 for i in range(len(x)):# 用range函数来遍历x所有的维度,x与y的维度相等。 sum += math.pow(abs(x[i] - y[i]), p) return math.pow(sum, 1/p) else: return 0
3、
x1 = [1, 1] x2 = [5, 1] x3 = [4, 4]
4、
# x1, x2 for i in range(1, 5): r = { '1-{}'.format(c):L(x1, c, p=i) for c in [x2, x3]} # 一条语句循环两次x2、x3,当x2时,当前i产生一个值,当x3时,当前i产生一个值。 print(min(zip(r.values(), r.keys())))
5、
import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from collections import Counter
6、
iris = load_iris()#导入库中的数据集 df = pd.DataFrame(iris.data, columns=iris.feature_names) df['label'] = iris.target#定义实验中包含的鸢尾花的特征属性及其对应标签 df.columns = ['sepal length', 'sepal width', 'petal length', 'petal width', 'label'] # data = np.array(df.iloc[:100, [0, 1, -1]])
7、
df#查看数据集的内容
8、
plt.scatter(df[:50]['sepal length'], df[:50]['sepal width'], label='0') plt.scatter(df[50:100]['sepal length'], df[50:100]['sepal width'], label='1') plt.xlabel('sepal length') plt.ylabel('sepal width') plt.legend()
9、
data = np.array(df.iloc[:100, [0, 1, -1]]) X, y = data[:,:-1], data[:,-1] X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
10、
class KNN: def __init__(self, X_train, y_train, n_neighbors=3, p=2): """ parameter: n_neighbors 临*点个数 parameter: p 距离度量 """ self.n = n_neighbors self.p = p self.X_train = X_train self.y_train = y_train def predict(self, X): # 取出n个点 knn_list = [] for i in range(self.n): dist = np.linalg.norm(X - self.X_train[i], ord=self.p) #np.linalg.norm函数 #np.linalg.norm(x, ord=None, axis=None, keepdims=False) #① x: 表示矩阵(也可以是一维) #② ord:范数类型 knn_list.append((dist, self.y_train[i])) for i in range(self.n, len(self.X_train)):# 取从第三个开始往后测试集的所有点。 max_index = knn_list.index(max(knn_list, key=lambda x: x[0])) # 首先max函数里面选取出 knn_list 里面最大的距离数据 # 然后取出它的索引存在 max_index dist = np.linalg.norm(X - self.X_train[i], ord=self.p) # 继续计算待分类点与其他训练集数据的欧式距离 if knn_list[max_index][0] > dist: knn_list[max_index] = (dist, self.y_train[i]) # 每次循环迭代knn_list的数据 目标是找到距离小的点 # 统计 knn = [k[-1] for k in knn_list] # 解析列表 把对应的类别放入新的列表 count_pairs = Counter(knn) # Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型,以字典的键值对形式存储,其中元素作为key max_count = sorted(count_pairs, key=lambda x:x)[-1] #Lambda()函数 #a = lambda x,y,z:(x+8)*y-z #print(a(5,6,8)) return max_count # 最后进行排序 得出出现次数最多的那个类别 作为最终的分类结果。 def score(self, X_test, y_test): right_count = 0 # 分类正确的次数 初始为 0 n = 10 for X, y in zip(X_test, y_test): label = self.predict(X) # print("预测类别为:{}".format(label)) # print("实际类别为: {}".format(y)) # print("") if label == y: right_count += 1 return right_count / len(X_test) # 返回最终分类结果表现 正确次数/测试数据集总数。
11、
clf = KNN(X_train, y_train)
12、
clf.score(X_test, y_test)
13、
test_point = [6.0, 3.0] print('Test Point: {}'.format(clf.predict(test_point)))
14、
plt.scatter(df[:50]['sepal length'], df[:50]['sepal width'], label='0') plt.scatter(df[50:100]['sepal length'], df[50:100]['sepal width'], label='1') plt.plot(test_point[0], test_point[1], 'bo', label='test_point') plt.xlabel('sepal length') plt.ylabel('sepal width') plt.legend()
15、
from sklearn.neighbors import KNeighborsClassifier
16、
clf_sk = KNeighborsClassifier() clf_sk.fit(X_train, y_train)
17、
clf_sk.score(X_test, y_test)
18、
# kd-tree每个结点中主要包含的数据结构如下 class KdNode(object): def __init__(self, dom_elt, split, left, right): self.dom_elt = dom_elt # k维向量节点(k维空间中的一个样本点) self.split = split # 整数(进行分割维度的序号) self.left = left # 该结点分割超平面左子空间构成的kd-tree self.right = right # 该结点分割超平面右子空间构成的kd-tree class KdTree(object): def __init__(self, data): k = len(data[0]) # 数据维度 def CreateNode(split, data_set): # 按第split维划分数据集exset创建KdNode if not data_set: # 数据集为空 return None # key参数的值为一个函数,此函数只有一个参数且返回一个值用来进行比较 # operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为需要获取的数据在对象 #data_set.sort(key=itemgetter(split)) # 按要进行分割的那一维数据排序 data_set.sort(key=lambda x: x[split]) split_pos = len(data_set) // 2 # //为Python中的整数除法 median = data_set[split_pos] # 中位数分割点 split_next = (split + 1) % k # cycle coordinates # 递归的创建kd树 return KdNode(median, split, CreateNode(split_next, data_set[:split_pos]), # 创建左子树 CreateNode(split_next, data_set[split_pos + 1:])) # 创建右子树 self.root = CreateNode(0, data) # 从第0维分量开始构建kd树,返回根节点 # KDTree的前序遍历 def preorder(root): print (root.dom_elt) if root.left: # 节点不为空 preorder(root.left) if root.right: preorder(root.right)
19、
# 对构建好的kd树进行搜索,寻找与目标点最近的样本点: from math import sqrt from collections import namedtuple # 定义一个namedtuple,分别存放最近坐标点、最近距离和访问过的节点数 result = namedtuple("Result_tuple", "nearest_point nearest_dist nodes_visited") def find_nearest(tree, point): k = len(point) # 数据维度 def travel(kd_node, target, max_dist): if kd_node is None: return result([0] * k, float("inf"), 0) # python中用float("inf")和float("-inf")表示正负 nodes_visited = 1 s = kd_node.split # 进行分割的维度 pivot = kd_node.dom_elt # 进行分割的“轴” if target[s] <= pivot[s]: # 如果目标点第s维小于分割轴的对应值(目标离左子树更近) nearer_node = kd_node.left # 下一个访问节点为左子树根节点 further_node = kd_node.right # 同时记录下右子树 else: # 目标离右子树更近 nearer_node = kd_node.right # 下一个访问节点为右子树根节点 further_node = kd_node.left temp1 = travel(nearer_node, target, max_dist) # 进行遍历找到包含目标点的区域 nearest = temp1.nearest_point # 以此叶结点作为“当前最近点” dist = temp1.nearest_dist # 更新最近距离 nodes_visited += temp1.nodes_visited if dist < max_dist: max_dist = dist # 最近点将在以目标点为球心,max_dist为半径的超球体内 temp_dist = abs(pivot[s] - target[s]) # 第s维上目标点与分割超平面的距离 if max_dist < temp_dist: # 判断超球体是否与超平面相交 return result(nearest, dist, nodes_visited) # 不相交则可以直接返回,不用继续判断 # 计算目标点与分割点的欧氏距离 temp_dist = sqrt(sum((p1 - p2) ** 2 for p1, p2 in zip(pivot, target))) if temp_dist < dist: # 如果“更近” nearest = pivot # 更新最近点 dist = temp_dist # 更新最近距离 max_dist = dist # 更新超球体半径 # 检查另一个子结点对应的区域是否有更近的点 temp2 = travel(further_node, target, max_dist) nodes_visited += temp2.nodes_visited if temp2.nearest_dist < dist: # 如果另一个子结点内存在更近距离 nearest = temp2.nearest_point # 更新最近点 dist = temp2.nearest_dist # 更新最近距离 return result(nearest, dist, nodes_visited) return travel(tree.root, point, float("inf")) # 从根节点开始递归
20、
data = [[2,3],[5,4],[9,6],[4,7],[8,1],[7,2]] kd = KdTree(data) preorder(kd.root)
21、
from time import clock from random import random # 产生一个k维随机向量,每维分量值在0~1之间 def random_point(k): return [random() for _ in range(k)] # 产生n个k维随机向量 def random_points(k, n): return [random_point(k) for _ in range(n)]
22、
ret = find_nearest(kd, [3,4.5]) print (ret)
23、
N = 400000 t0 = clock() kd2 = KdTree(random_points(3, N)) # 构建包含四十万个3维空间样本点的kd树 ret2 = find_nearest(kd2, [0.1,0.5,0.8]) # 四十万个样本点中寻找离目标最近的点 t1 = clock() print ("time: ",t1-t0, "s") print (ret2)
实验截图
1、
2、
3、
4、
5、
6、
7、
8、
9、
10
11、
12、
13、
14、
15、
16、
17、
18、
19、
20、
21、
22、
23、
24、
讨论K*邻算法的优缺点
优点
1.简单易用
2.没有显式的训练过程,在训练过程中仅仅是把训练样本保存起来,训练时间开销为0,是懒惰学*(lazy learning) 的著名代表 。
3.预测效果好
4.对异常值不敏感
缺点
1、效率低下
2、高度数据相关
3、预测的结果不具有可解释性
K*邻算法常见的应用场景:
1、python中的文本自动分类
2、社交网站的数据分类
3、手写识别系统的数据分类
4、聚类分析,多分类领域
实验小结
通过这次实验,主要理解K-近邻算法原理,基本实现算法K近邻算法。可以看出K值的选择会对K近邻算法的结果会产生重大影响。其次就是掌握常见的距离度量方法,在度量算法中,主要理解曼哈顿距离、欧氏距离、闵式距离算法。实验发现,K近邻算法一般选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
这篇关于实验二 K-近邻算法及应用的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-22项目:远程温湿度检测系统
- 2024-12-21《鸿蒙HarmonyOS应用开发从入门到精通(第2版)》简介
- 2024-12-21后台管理系统开发教程:新手入门全指南
- 2024-12-21后台开发教程:新手入门及实战指南
- 2024-12-21后台综合解决方案教程:新手入门指南
- 2024-12-21接口模块封装教程:新手必备指南
- 2024-12-21请求动作封装教程:新手必看指南
- 2024-12-21RBAC的权限教程:从入门到实践
- 2024-12-21登录鉴权实战:新手入门教程
- 2024-12-21动态权限实战入门指南