KNN(K邻近值算法)手动版与库函数调用版

数据说明：本程序中的所有使用数据都是datasets包与Counter包里的数据，如需要改成自己的数据读取自己的数据即可

库函数调用版

1.导入依赖包

# 用来导入一个样本数据
from sklearn import datasets
# 用来做数据集的分割，把数据分成训练集和测试集，这样做的目的是为了评估模型。
from sklearn.model_selection import train_test_split
# 导入了KNN的模块，是sklearn提供的现成的算法。
from sklearn.neighbors import KNeighborsClassifier
import numpy as np

2.导入数据及数据说明

# 导入数据集,iris数据集为开源的数据集,数据包含了3个类别
iris=datasets.load_iris()
# X存储的是数据的特征，y存储的每一个样本的标签或者分类
X=iris.data
y=iris.target
# X拥有四个特征，并且标签y拥有0，1，2三种不同的值。
print(X,y)

结果：

3.把数据分为训练数据集和测试数据集

# 使用 train_test_split来把数据分成了训练集和测试集。
# 主要的目的是为了在训练过程中也可以验证模型的效果。如果没有办法验证，则无法知道模型训练的好坏。
X_train,X_test,y_train,y_test=train_test_split(X,y,random_state=2003)

4.直接调用库函数里的KNN，选择K值

# 定义了一个KNN object，它带有一个参数叫做n_neighbors=3， 意思就是说我们选择的K值是3.
clf=KNeighborsClassifier(n_neighbors=3)
clf.fit(X_train,y_train)

# 做预测以及计算准确率,计算准确率的逻辑也很简单，就是判断预测和实际值有多少是相等的。如果相等则算预测正确，否则预测失败。
correct=np.count_nonzero((clf.predict(X_test)==y_test)==True)
print("正确率：%.3f"%(correct/len(X_test)))

结果：

手动版KNN算法解决分类问题

<1>欧式距离函数定义

"""
    计算两个样本instance1和instance2之间的欧式距离
    instance1: 第一个样本， array型
    instance2: 第二个样本， array型
"""
def euc_dis(instance1,instance2):
    dist = np.sqrt(sum((instance1 - instance2)**2))
    return dist

<2>投票数据集导入与KNN函数

from collections import Counter  # 为了做投票
"""
    给定一个测试数据testInstance, 通过KNN算法来预测它的标签。 
    X: 训练数据的特征
    y: 训练数据的标签
    testInstance: 测试数据，这里假定一个测试数据 array型
    k: 选择多少个neighbors? 
"""
def knn_classify(X, y, testInstance, k):
    # TODO  返回testInstance的预测标签 = {0,1,2}
    #计算每个训练数据样例到测试数据样例的距离
    #distances为列表
    distances = [euc_dis(x, testInstance) for x in X]
    #对distances进行排序,选择前k个样本
    kneighbors = np.argsort(distances)[:k]
    #统计这k个样本中标签最多
    count = Counter(y[kneighbors])
    return count.most_common()[0][0]

<3>函数调用

# 预测结果。    
predictions = [knn_classify(X_train, y_train, data, 3) for data in X_test]
# 被预测正确的样本数
correct = np.count_nonzero((predictions==y_test)==True)
print ("Accuracy is: %.3f" %(correct/len(X_test)))

<4>结果