|
用Python來實(shí)現(xiàn)K近鄰分類算法（KNN）已經(jīng)是一個(gè)老生常談的問題，網(wǎng)上也已經(jīng)有諸多資料，不過這里我還是決定記錄一下自己的學(xué)習(xí)心得。 1、配置numpy庫 numpy庫是Python用于矩陣運(yùn)算的第三方庫，大多數(shù)數(shù)學(xué)運(yùn)算都會(huì)依賴這個(gè)庫來進(jìn)行，關(guān)于numpy庫的配置參見：Python配置第三方庫Numpy和matplotlib的曲折之路，配置完成后將numpy庫整體導(dǎo)入到當(dāng)前工程中。 2、準(zhǔn)備訓(xùn)練樣本 這里簡單的構(gòu)造四個(gè)點(diǎn)并配以對(duì)應(yīng)標(biāo)簽作為KNN的訓(xùn)練樣本： # ====================創(chuàng)建訓(xùn)練樣本==================== def createdataset(): group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'B', 'C', 'D'] return group, labels 這里有一個(gè)小細(xì)節(jié)，就是通過array（）函數(shù)老構(gòu)造并初始化numpy的矩陣對(duì)象時(shí)，要保證只有一個(gè)參數(shù)，因此在代碼中需要將參數(shù)用中括號(hào)括起來，像下面這種調(diào)用方式是不合法的： group = array([1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]) 3、創(chuàng)建分類函數(shù) K近鄰算法在分類時(shí)一般是根據(jù)歐氏距離進(jìn)行分類的，因此需要將輸入的數(shù)據(jù)與訓(xùn)練數(shù)據(jù)在各個(gè)維度上相減再平方求和，再開方，如下： # ====================歐氏距離分類==================== def classify(Inx, Dataset, labels, k): DataSetSize = Dataset.shape[0] # 獲取數(shù)據(jù)的行數(shù)，shape[1]位列數(shù) diffmat = tile(Inx, (DataSetSize, 1)) - Dataset SqDiffMat = diffmat**2 SqDistances = SqDiffMat.sum(axis=1) Distance = SqDistances**0.5 SortedDistanceIndicies = Distance.argsort() ClassCount = {} 這里tile（）函數(shù)是numpy的矩陣擴(kuò)展函數(shù)，比如說這個(gè)例子中訓(xùn)練樣本有四個(gè)二維坐標(biāo)點(diǎn)，對(duì)于輸入樣本（一個(gè)二維坐標(biāo)點(diǎn)），需要將其先擴(kuò)展為一個(gè)4行1列的矩陣，然后在進(jìn)行矩陣減法，在平法求和，再開平方算距離。計(jì)算完距離之后，調(diào)用矩陣對(duì)象的排序成員函數(shù)argsort（）對(duì)距離進(jìn)行升序排序。在這里介紹一個(gè)Pycharm查看源碼生命的小技巧：加入在編寫這段程序的時(shí)候我們并不確定argsort（）是否為array對(duì)象的成員函數(shù)，我們選中這個(gè)函數(shù)然后 右鍵 -> Go to -> Declaration，這樣就會(huì)跳轉(zhuǎn)到argsort（）函數(shù)的聲明代碼片中，通過查看代碼的從屬關(guān)系能夠確認(rèn)array類中確實(shí)包含這個(gè)成員函數(shù)，調(diào)用沒有問題：
對(duì)距離排序之后，接下來就根據(jù)前K個(gè)最小距離值所對(duì)應(yīng)的標(biāo)簽來判斷當(dāng)前樣本屬于哪一類： for i in range(k): VoteiLabel = labels[SortedDistanceIndicies[i]] ClassCount[VoteiLabel] = ClassCount.get(VoteiLabel, 0) + 1 SortedClassCount = sorted(ClassCount.items(), key = operator.itemgetter(1), reverse = True) 這里有一個(gè)小問題就是在Python2中獲取字典元素使用的是dict.iteritems（）成員函數(shù)，而在Python3中改為dict.items（）函數(shù)?！発ey = operator.itemgetter(1)”的意思是指定函數(shù)針對(duì)字典中第二維元素進(jìn)行排序，注意這里需要在之前導(dǎo)入符號(hào)庫operator。這里是通過記錄前K個(gè)距離最下值中每類標(biāo)簽出現(xiàn)的次數(shù)來判決測試樣本的歸屬。 4、測試 這里給出完整的KNN測試代碼： # coding: utf-8 from numpy import * import operator # ====================創(chuàng)建訓(xùn)練樣本==================== def createdataset(): group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) labels = ['A', 'B', 'C', 'D'] return group, labels # ====================歐氏距離分類==================== def classify(Inx, Dataset, labels, k): DataSetSize = Dataset.shape[0] # 獲取數(shù)據(jù)的行數(shù)，shape[1]位列數(shù) diffmat = tile(Inx, (DataSetSize, 1)) - Dataset SqDiffMat = diffmat**2 SqDistances = SqDiffMat.sum(axis=1) Distance = SqDistances**0.5 SortedDistanceIndicies = Distance.argsort() ClassCount = {} for i in range(k): VoteiLabel = labels[SortedDistanceIndicies[i]] ClassCount[VoteiLabel] = ClassCount.get(VoteiLabel, 0) + 1 SortedClassCount = sorted(ClassCount.items(), key = operator.itemgetter(1), reverse = True) return SortedClassCount[0][0] Groups, Labels = createdataset() Result = classify([0, 0], Groups, Labels, 1) print(Result) 運(yùn)行代碼，程序答應(yīng)結(jié)果“C”。這里需要提一點(diǎn)的就是對(duì)于單訓(xùn)練樣本（每類只有一個(gè)訓(xùn)練樣本）的分類問題，KNN的K值應(yīng)該設(shè)定為1。 |
|
|
