【机器学习】knn算法自实现

import pandas as pd
import numpy as np


def build_data():
    """
    加载数据
    :return:
    """
    # 1、加载数据
    data = pd.read_excel("./电影分类数据.xlsx")

    return data


def distance(v1, v2):
    """
    计算距离
    :param v1:点1
    :param v2: 点2
    :return: 距离dist
    """
    # 法1
    # v1 是矩阵 将矩阵转化数组，再进行降为1维
    # v1 = v1.A[0]
    # print(v1)
    # sum_ = 0
    # for i in range(v1.shape[0]):
    #     sum_ += (v1[i] - v2[i]) ** 2
    # dist = np.sqrt(sum_)
    # print(dist)
    # 法2
    dist = np.sqrt(np.sum(np.power((v1 - v2), 2)))
    return dist


def knn_owns(train, test, k):
    """
    自实现knn算法
    :param train:训练集
    :param test: 测试集
    :param k: 邻居个数
    :return: None
    """
    # 每一个测试样本需要与每一个的训练样本计算距离
    # for i in range(train.shape[0]):
    #     distance(test[1:], train.iloc[i, 1:])
    for index in train.index:
        dist = distance(test[1:].values, train.loc[index, "搞笑镜头":"打斗镜头"].values)
        train.loc[index, "dist"] = dist

    # 按照距离升序排序
    res = train.sort_values(by="dist").head(k)["电影类型"].mode()

    # print(train)
    print(res)


def main():
    """
    主函数
    :return:
    """
    # 1、加载数据
    data = build_data()
    print("data:
", data)
    # 2、数据集拆分
    # 训练集
    train = data.iloc[:, 1:-4]
    print("train_
", train)
    # 测试集
    test = data.columns[-4:]
    print("test_:
", test)
    # 2、自实现knn
    # 指定k个邻居
    k = int(input("请输入邻居个数："))
    # 邻居个数k 不同 结果不同
    knn_owns(train, test, k)


if __name__ == '__main__':
    main()

# 超参数： 人可以指定不同的值，来获取不同结果，k值在训练的过程中，不发生改变。
# 超参数调优：超参数调整与优化，---不停的去尝试不同值的超参数，来获取最好的结果，那么此时所对应的超参数就是最优的