【knn近邻算法】算法实现的简单原理

建议使用jupyter打印一步一步进行理解

上代码：

import numpy as np
import pandas as pd

# 这里直接引入sklearn里的数据集，iris鸢尾花
from sklearn.datasets import load_iris 
from sklearn.model_selection import train_test_split  # 切分数据集为训练集和测试集
from sklearn.metrics import accuracy_score # 计算分类预测的准确率

iris = load_iris() #  data：array([[5.1, 3.5, 1.4, 0.2], 基础数据，矩阵 类似于x轴     'target': array([0, 0,。。  分类值  类似于y轴
iris

 

 

df = pd.DataFrame(data = iris.data, columns = iris.feature_names)
df['class'] = iris.target  # 分类
# df['class']
iris.target

df['class'] = df['class'].map({0: iris.target_names[0], 1: iris.target_names[1], 2: iris.target_names[2]}) # 对分类进行转值
df.head(10)
# df.describe()

x = iris.data

y = iris.target.reshape(-1,1)  # 一唯数组转成二唯数组 列向量
print(y)
print(x.shape, y.shape)

# 划分训练集和测试集    random_state 随机划分个数  stratify 按照y的比例    test_size 1为总数 划分训练集与测试集的数量
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=35, stratify=y)

print(y_train)
print(x_train.shape, y_train.shape)
print(x_test.shape, y_test.shape)

2：核心算法实现
# 距离函数定义 np.abs计算绝对值  sqrt求根
def l1_distance(a, b):
    return np.sum(np.abs(a-b), axis=1)
def l2_distance(a, b):
    return np.sqrt( np.sum((a-b) ** 2, axis=1) )

# 分类器实现
class kNN(object):
    # 定义一个初始化方法，__init__ 是类的构造方法
    def __init__(self, n_neighbors = 1, dist_func = l1_distance):
        self.n_neighbors = n_neighbors
        self.dist_func = dist_func
    
    # 训练模型方法
    def fit(self, x, y):
        self.x_train = x
        self.y_train = y
    
    # 模型预测方法
    def predict(self, x):
        # 初始化预测分类数组
        y_pred = np.zeros( (x.shape[0], 1), dtype=self.y_train.dtype )
        
        # 遍历输入的x数据点，取出每一个数据点的序号i和数据x_test
        for i, x_test in enumerate(x):
            # x_test跟所有训练数据计算距离
            distances = self.dist_func(self.x_train, x_test)
            
            # 得到的距离按照由近到远排序，取出索引值
            nn_index = np.argsort(distances)
            
            # 选取最近的k个点，保存它们对应的分类类别
            nn_y = self.y_train[ nn_index[:self.n_neighbors] ].ravel()
            
            # 统计类别中出现频率最高的那个，赋给y_pred[i]
            y_pred[i] = np.argmax( np.bincount(nn_y) )
        
        return y_pred

3：测试（不理解算法的人，只要会使用就OK了，sklean其实已经帮我们封装好了），与一下测试实例调用差不多

# 定义一个knn实例
knn = kNN(n_neighbors = 3)
# 训练模型
knn.fit(x_train, y_train)
# 传入测试数据，做预测
y_pred = knn.predict(x_test)

print(y_test.ravel())
print(y_pred.ravel())

# 求出预测准确率
accuracy = accuracy_score(y_test, y_pred)

print("预测准确率: ", accuracy)

总结：其实sklean里面的调用都是差不多的，将数据分为训练集数据跟测试数据(测试数据只是验证测试的x对应的y未知数是否正确)，设置临近数分类为n,将训练数据放入fit函数进行训练，计算对应的公式，训练后再将需要预测的x轴值调用predict函数进行计算。最后得出

预测值