K近邻 （KNN）算法的原理及优缺点

一、KNN算法原理

　　K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。

　　它的基本思想是： 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。

　　KNN算法的描述：

　　　　（1）计算测试数据与各个训练数据之间的距离；

　　　　（2）按照距离的递增关系进行排序；

　　　　（3）选取距离最小的K个点；

　　　　（4）确定前K个点所在类别的出现频率

　　　　  (5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。

　　算法优点：训练时间为零。

　　算法缺点：计算量太大。每一个待分类文本都要计算它到全体已知样本的距离，才能得到它的第K个最近邻点。

二、代码实现

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs  #make_blobs 聚类数据生成器 
from sklearn.neighbors import KNeighborsClassifier   #KNeighborsClassfier K近邻分类
#sklearn 基于Python语言的机器学习工具，支持包括分类，回归，降维和聚类四大机器学习算法。
#  还包括了特征提取，数据处理和模型评估者三大模块。
#  sklearn.datasets (众)数据集；sklearn.neighbors 最近邻


data=make_blobs(n_samples=5000,centers=5,random_state=8)
# n_samples 待生成样本的总数，sample 样本，抽样
# centers 要生成的样本中心数
# randon_state 随机生成器的种子
X,y=data
#返回值，X 生成的样本数据集；y 样本数据集的标签

plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.spring,edgecolor='k')
#c颜色，cmap Colormap实体或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。

clf=KNeighborsClassifier()
clf.fit(X,y)


x_min,x_max=X[:,0].min()-1,X[:,0].max()+1
y_min,y_max=X[:,1].min()-1,X[:,1].max()+1

xx,yy=np.meshgrid(np.arange(x_min,x_max,0.02),
                  np.arange(y_min,y_max,0.02))
Z=clf.predict(np.c_[xx.ravel(),yy.ravel()])
Z=Z.reshape(xx.shape)
plt.pcolormesh(xx,yy,Z,cmap=plt.cm.Pastel1)
plt.scatter(X[:,0],X[:,1],c=y,cmap=plt.cm.spring,edgecolor='k')
plt.title('KNN-Classifier')
plt.scatter(6.88,4.18,marker='*',s=200,c='r')
plt.xlim([x_min,x_max])


print('模型建好后的运行结果如下：')
print('=======================')
print('新加入样本的类别是：',clf.predict([[6.72,4.29]]))

print('该模型针对次数据集的分类正确率是:{:.2f}'.format(clf.score(X,y)))

输出结果：

模型建好后的运行结果如下：
=======================
新加入样本的类别是： [1]
该模型针对次数据集的分类正确率是:0.96



标签：KNN,plt,min,max,近邻,样本,优缺点,cmap,clf
来源： https://www.cnblogs.com/lsm-boke/p/11756173.html