机器学习系列文章目录
机器学习——XGBoost算法介绍及代码实现
机器学习——时间序列分析
机器学习——模型融合
前言
K近邻算法的介绍以及代码实现过程
一、KNN算法原理
二、K-Nearest Neighbors算法特点
-
优点：
精度高
对异常值不敏感
无数据输入假定 -
缺点
计算复杂度高
空间复杂度高 -
适用数据范围
数值型和标称型
三、工作原理
-
存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每个数据与所属分类的对应关系。
-
输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。
-
一般来说，只选择样本数据集中前N个最相似的数据。K一般不大于20，最后，选择k个中出现次数最多的分类，作为新数据的分类。
四、K值得选择
-
如果选择较小的K值
“学 习”的近似误差（approximation error)会减小，但 “学习”的估计误差（estimation error) 会增大
噪声敏感
K值的减小就意味着整体模型变得复杂，容易发生过 拟合. -
如果选择较大的K值
减少学习的估计误差，但缺点是学习的近似误差会增大.
K值的增大 就意味着整体的模型变得简单.
五、代码实现
kNN中的分类算法：
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort()
classCount={}
for item in range(k):
voteIlabel = labels[sortedDistIndicies[item]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
