python机器学习（2：KNN算法）

1、KNN

简介：knn算法是监督学习中分类方法的一种。它又被叫k近邻算法，是一个概念极其简单而分类效果又很优秀的分类算法。

核心思想：在训练集中选出离输入的数据最近的k个数据，根据这k个数据的类别判断输入数据的类别，k个数据的类别判断方法可以是k个中出现次数最多的类别，也可以根据距离计算权重，再选出权重最大的类别，等等。

准确率的制约：k值的大小和判断类别的方法

2、数据源

分别给出两类由正太分布随机的200个点，并将两类一前一后合并，最后以矩阵的形式存放入dataset；

x1 = numpy.round(numpy.random.normal(115, 10, 100),2)
y1 = numpy.round(numpy.random.normal(95, 6,100),2)
x2 = numpy.round(numpy.random.normal(70, 10, 100),2)
y2 = numpy.round(numpy.random.normal(99, 6, 100),2)
a=[]
b=[]
for i in range(100):
                  a.append([x1[i],y1[i]])
for i in range(100):
                  b.append([x2[i],y2[i]])
c=a+b
dataset=array(c)

给出两类正太分布数据分别分成'*'和'o'两类，以列表形式存放入labels；

labels=[]
for i in range(100):
                  labels.append('*')
for i in range(100):
                  labels.append('o')

小编自定义两个待分类的数据，也以矩阵的形式存放入；

x=[82,94]
x=array(x)
y=[90,100]
y=array(y)  

3、实现过程

*以完整代码展示算法实现

# -*- coding:utf-8 -*-
import numpy
from numpy import *
import random
import pylab as pl
import operator
pl.figure(1)
pl.figure(2)

#计算样本的距离，预测类别
def classify(testdata,traindata,labels,k):
     #testdate:待分类数集；traindate:分好类的数集；
     #tile(a,(b,c)):将a的内容在行上复制b遍，列上复制c遍
     trasize=traindata.shape[0]  #得到其维数
     tradis1=tile(testdata,(trasize,1))-traindata
     tradis2=tradis1**2
     tradis3=tradis2.sum(axis=1)
     tradis=tradis3**0.5 #计算样本与训练数据的距离
     sortdis=tradis.argsort()#排序
     classcount={}#建立空字典
     for i in range(k):#通过循环寻找k个近邻
                  votelabel=labels[sortdis[i]]
                  classcount[votelabel]=classcount.get(votelabel,0)+1
     sortedclasscount=sorted(classcount.items(),key=operator.itemgetter(1),reverse=True)
     return sortedclasscount[0][0]#返回占最大比例的类别

x1 = numpy.round(numpy.random.normal(115, 10, 100),2)
y1 = numpy.round(numpy.random.normal(95, 6,100),2)
x2 = numpy.round(numpy.random.normal(70, 10, 100),2)
y2 = numpy.round(numpy.random.normal(99, 6, 100),2)
a=[]
b=[]
for i in range(100):
                  a.append([x1[i],y1[i]])
for i in range(100):
                  b.append([x2[i],y2[i]])
c=a+b
dataset=array(c)   #将列表转化为矩阵
labels=[]
for i in range(100):
                  labels.append('*')
for i in range(100):
                  labels.append('o')
x=[82,94]
x=array(x)
y=[90,100]
y=array(y)
k=10
labelX=classify(x,dataset,labels,k)
labelY=classify(y,dataset,labels,k)
pl.figure(1)
pl.plot(x1,y1,'*')
pl.plot(x2,y2,'o')
pl.plot(82,94,'.')
pl.plot(96,100,'.')
pl.xlabel('X')
pl.ylabel('Y')
pl.figure(2)
pl.plot(x1,y1,'*')
pl.plot(x2,y2,'o')
pl.plot(82,94,labelX)
pl.plot(96,100,labelY)
pl.show()
    

4、实现结果

未分类钱前的图像如下，一类正态分布的点用星表示，另一类用圆表示，待分类的两点用点表示；

分类后的图像如下，两点归类看其形状改变；

5、写代码后的心得

• 引入的数据一定要看清其类别，在这里就要注意列表与矩阵的转化；
• append([x1[i],y1[i]])括号里又加中括号是因为append一次只能添入一个元素
• 将列表转化为矩阵用array
• 矩阵的平方是将矩阵内每个元素平方，与线性代数不同