- ubuntu12.04环境下使用kvm ioctl接口实现最简单的虚拟机
- Ubuntu 通过无线网络安装Ubuntu Server启动系统后连接无线网络的方法
- 在Ubuntu上搭建网桥的方法
- ubuntu 虚拟机上网方式及相关配置详解
CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.
这篇CFSDN的博客文章Python机器学习之KNN近邻算法由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.
简单来说,K-近邻算法采用测量不同特征值之间的距离方法进行分类 。
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2型 。
工作原理:存在一个样本数据集合,也称为训练样本集,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一个数据与所属分类的对应关系(训练集)。输入没有标签的新数据之后,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(测试集)。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处。(通常k不大于20) 。
我们先写入一段代码 。
from numpy import * # 导入numpy模块import operator # 导入operator模块def createDataSet(): # 创建数据集函数 # 构建一个数组存放特征值 group = array( [[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]] ) # 构建一个数组存放目标值 labels = ["A", "A", "B", "B"] return group, labels
此处稍微介绍一下numpy这个包吧 。
NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。 在NumPy中维度(dimensions)叫做轴(axes),轴的个数叫做秩(rank,但是和线性代数中的秩不是一样的,在用python求线代中的秩中,我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩 线性代数中秩的定义:设在矩阵A中有一个不等于0的r阶子式D,且所有r+1阶子式(如果存在的话)全等于0,那末D称为矩阵A的最高阶非零子式,数r称为矩阵A的秩,记作R(A).
依照KNN算法,我们依次来 。
先准备好四个需要的数据 。
使用欧式距离:
# 返回矩阵的行数dataSetSize = dataSet.shape[0] # 列数不变,行数变成dataSetSize列diffMat = tile(inX, (dataSetSize, 1)) - dataSetsqDiffMat = diffMat ** 2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances**0.5
第一行 。
# 返回矩阵的行数dataSetSize = dataSet.shape[0] # 以第一步的数据为例answer:4 # 4行
第二行 。
inX = [1. , 0.]# 列数不变,行数变成dataSetSize列diffMat = tile(inX, (dataSetSize, 1)) - dataSet# tile(inX, (dataSetSize, 1))inX = [ [1. , 0.], [1. , 0.], [1. , 0.], [1. , 0.]]# inX - dataSet两个矩阵相减(行列相等相加相减才有意义)dataSet = [ [1. , 1.1], [1. , 1. ], [0. , 0. ], [0. , 0.1]]diffMat = [ [0. , -1.1], [0. , -1.], [1. , 0.], [1. , -0.1]]
第三行 。
# 求平方差sqDiffMat = diffMat * 2
第四行 。
# 计算矩阵中每一行元素之和# 此时会形成一个多行1列的矩阵sqDistances = sqDiffMat.sum(axis=1)
第五行 。
# 开根号distances = sqDistances**0.5
按照距离递增次序排序 。
# 对数组进行排序sortedDistIndicies = distances.argsort()
选择与当前点距离最小的k个点 。
classCount = {} # 新建一个字典# 确定前k个距离最小元素所在的主要分类for i in range(k): # voteIlabel的取值是labels中sortedDistIndicies[i]的位置 voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
确定前k个点所在类别的出现概率 。
# 排序sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
###11# 返回前k个点出现频率最高的类别作为当前点的预测分类 。
return sortedClassCount[0][0]
刚刚试一试C++的版本…小心,救命 。
#include <iostream>#include <vector>#include <algorithm>#include <cmath>#include <map>int sum_vector(std::vector<int>& v) { int sum = 0; for (int i = 0; i < v.size(); ++i) { sum = v[i] + sum; } return sum;}int knn(int k) { using std::cout; using std::endl; using std::vector; vector<vector<int>> x; vector<int> x_sample = {2, 3, 4}; for (int i = 0; i < 4; ++i) { x.push_back(x_sample); } vector<int> y = {1, 1, 1, 1}; int dataSetSize = x.size(); vector<int> x_test = {4, 3, 4}; vector<vector<int>> x_test_matrix; for (int i = 0; i < dataSetSize; ++i) { x_test_matrix.push_back(x_test); } vector<int> v_total; for (int i = 0; i < dataSetSize; ++i) { for (int j = 0; j < x_test_matrix[i].size(); ++j) { x_test_matrix[i][j] = x_test_matrix[i][j] - x[i][j]; x_test_matrix[i][j] = x_test_matrix[i][j] * 2; } int sum_vec = sum_vector(x_test_matrix[i]); v_total.push_back(sqrt(sum_vec)); } sort(v_total.begin(), v_total.end()); std::map<int, int> mp; for (int i = 0; i < k; ++i) { int label = y[v_total[i]]; mp[label] += 1; } int max_end_result = 0; for (std::map<int, int>::iterator it = mp.begin(); it != mp.end(); it++) { if (it->first > max_end_result) { max_end_result = it->first; } } return max_end_result;}int main() { int k = 12; int value = knn(k); std::cout << "result:" << std::endl; return 0;}
处理excel和txt数据 。
excel数据是矩阵数据,可直接使用,在此不做处理.
文本txt数据需要一些数据处理 。
def file2matrix(filename): fr = open(filename) # 读取行数据直到尾部 arrayOLines = fr.readlines() # 获取行数 numberOfLines = len(arrayOLines) # 创建返回shape为(numberOfLines, 3)numpy矩阵 returnMat = zeros((numberOfLines, 3)) classLabelVector = [] index = 0 for line in arrayOLines: # 去除首尾的回车符 line = line.strip() # 以tab字符" "为符号进行分割字符串 listFromLine = line.split(" ") # 选取前3个元素,把他们存储到特征矩阵中 returnMat[index, :] = listFromLine[0: 3] # 把目标变量放到目标数组中 classLabelVector.append(int(listFromLine[-1])) index += 1 return returnMat, classLabelVector
数据归一化和标准化 。
在数值当中,会有一些数据大小参差不齐,严重影响数据的真实性,因此,对数据进行归一化和标准化是使得数据取值在一定的区间,具有更好的拟合度.
例如归一化就是将数据取值范围处理为0到1或者-1到1之间 。
# max:最大特征值# min:最小特征值newValue = (oldValue - min)/(max-min)
写个函数 。
def autoNorm(dataSet): # min(0)返回该矩阵中每一列的最小值 minVals = dataSet.min(0) # max(0)返回该矩阵中每一列的最大值 maxVals = dataSet.max(0) # 求出极值 ranges = maxVals - minVals # 创建一个相同行列的0矩阵 normDataSet = zeros(shape(dataSet)) # 得到行数 m = dataSet.shape[0] # 得到一个原矩阵减去m倍行1倍列的minVals normDataSet = dataSet - tile(minVlas, (m,1)) # 特征值相除 normDataSet = normDataSet/tile(ranges, (m, 1)) return normDataSet, ranges, minVals
归一化的缺点:如果异常值就是最大值或者最小值,那么归一化也就没有了保证(稳定性较差,只适合传统精确小数据场景) 。
标准化可查 。
既然已经了解其内置的算法了,那么便调库来写一个吧 。
from sklearn.datasets import load_iris # 导入内置数据集from sklearn.model_selection import train_test_split # 提供数据集分类方法from sklearn.preprocessing import StandardScaler # 标准化from sklearn.neighbors import KNeighborsClassifier # KNNdef knn_iris(): # 获得鸢尾花数据集 iris = load_iris() # 获取数据集 # random_state为随机数种子,一个数据集中相等的行不能大于6 x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6) # 特征工程:标准化 transfer = StandardScaler() # 训练集标准化 x_train = transfer.fit_transform(x_train) # 测试集标准化 x_test = transfer.transform(x_test) # 设置近邻个数 estimator = KNeighborsClassifier(n_neighbors=3) # 训练集测试形成模型 estimator.fit(x_train, y_train) # 模型预估 # 根据预测特征值得出预测目标值 y_predict = estimator.predict(x_test) print("y_predict: ", y_predict) # 得出预测目标值和真实目标值之间是否相等 print("直接比对真实值和预测值:", y_test == y_predict) # 计算准确率 score = estimator.score(x_test, y_test) print("准确率为:", score)def main(): knn_iris()if __name__ == "__main__": main()
到此这篇关于Python机器学习之KNN近邻算法的文章就介绍到这了,更多相关Python近邻算法内容请搜索我以前的文章或继续浏览下面的相关文章希望大家以后多多支持我! 。
原文链接:https://blog.csdn.net/qq_48322523/article/details/116596178 。
最后此篇关于Python机器学习之KNN近邻算法的文章就讲到这里了,如果你想了解更多关于Python机器学习之KNN近邻算法的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!