02-18 scikit-learn库之k*邻算法

转载

mob604756f261ee 2019-11-06 17:23:00

文章标签 权重距离度量 kd树欧氏距离分类算法 文章分类 数据结构与算法人工智能

scikit-learn库之k*邻算法
一、KNeighborsClassifier
二、KNeighborsRegressor
三、RadiusNeighborsClassifier
四、RadiusNeighborsRegressor
五、NearestCentroid

更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：javascript:void(0)

scikit-learn库之k*邻算法

由于k*邻可以做回归又可以做分类，所以最普通的k*邻算法在scikit-learn库中有两种实现，即KNeighborsClassifier和KNeighborsRegressor；上次讲到了k*邻的两个扩展限定半径k*邻，因此该方法在scikit-learn中也有两种实现，即RadiusNeighborsClassifier和RadiusNeighborsRegressor；k*邻还有一种扩展，即最*质心分类算法NearestCentroid。

接下来将会讨论这五者的区别，由于是从官方文档翻译而来，翻译会略有偏颇，有兴趣的也可以去scikit-learn官方文档查看https://scikit-learn.org/stable/modules/classes.html#module-sklearn.neighbors

一、KNeighborsClassifier

1.1 使用场景

KNeighborsClassfier模型就是最普通的k*邻算法，可以通过参数控制使用高斯距离、kd树、球树找到实例的kk个*邻。

1.2 代码

from sklearn.neighbors import KNeighborsClassifier
X = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]

neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)

KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
           metric_params=None, n_jobs=None, n_neighbors=3, p=2,
           weights='uniform')

print(neigh.predict([[1.1]]))

[0]

print(neigh.predict_proba([[0.9]]))

[[0.66666667 0.33333333]]

1.3 参数详解

n_neighbors：kk值选择，int类型。一般选择一个较小的kk值，然后通过交叉验证选择一个较好的kk值。默认为5。
weights：*邻权重，str类型。如果weights='uniform'，则意味着所有*邻的权重都一样；如果weights='distance'，则意味着权重和距离成反比，即距离目标点更*的点有更高的权重；可以自定定义函数自定义权重，输入是距离值，输出是权重值。默认为'uniform'。
algorithm：算法实现，str类型。如果algorithm='brute'，即最原始的k*邻算法，计算出所有点与点之间的距离；如果algorithm='kd_tree'，即kd树实现；如果algorithm='ball_tree'，即球树实现；如果algorithm='auto'，则模型会选择一个拟合最好的算法。如果样本特征少，使用'auto'即可；如果数据量大或者样本特征多，推荐使用kd树之后再尝试球树，如此做可以提高准确度；如果输入的样本特征是稀疏的时候，scikit-learn始终会自行选择'brute'实现。默认为'auto'。
leaf_size：叶子节点阈值，int类型。只有当algorithm={'kd_tree','ball_tree'}时该参数才生效，这个值越小，则生成的kd树或球树层数越大，建树时间越长，泛指层数越小，建树时间短。如果样本数量过大，则必须得增大该值，因为树的层数越大，则树越容易过拟合，推荐使用交叉验证选择一个较优值。默认为30。
p：距离度量附属参数，int类型。只有当metric='minkowski'时该参数才生效，p=1时为曼哈顿距离，p=2时为欧氏距离。默认为2。
metric：距离度量类型，str类型。metric='euclidean'为欧氏距离；metric='manhattan'为曼哈顿距离；metric='chebyshev'为切比雪夫距离；metric='minkowski'为闵可夫斯基距离；metric='wminkowski'为带权重闵可夫斯基距离；metric='seuclidean'为标准化欧氏距离；metric='mahalanobis'为马氏距离，通常情况下默认的metric='minkowski'+p=2即欧式距离就可以满足大多数业务的需求。默认为'minkowski'。
metric_params：距离度量附属参数，dict类型。如带权重闵可夫斯基距离的参数，一般不会用到。
n_jobs：并行数，int类型。n_jobs=1使用1个cpu运行程序；n_jobs=2，使用2个cpu运行程序；n_jobs=-1，使用所有cpu运行程序。默认为1。

1.4 方法

fit(X,y)：把数据放入模型中训练模型。
get_params([deep])：返回模型的参数，可以用于Pipeline中。
predict(X)：预测样本X的分类类别。
predict_proba(X)：返回样本X在各个类别上对应的概率。
score(X,y[,sample_weight])：基于报告决定系数R2R2评估模型。
set_prams(**params)：创建模型参数。

1.4.1 kneighbors([X, n_neighbors, return_distance])

找到某个点的n_neighbors个*邻。

# 为方便测试接下来的方法测试我们将通过最*邻模型演示
samples = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]]
from sklearn.neighbors import NearestNeighbors

neigh = NearestNeighbors(n_neighbors=1)
neigh.fit(samples)

NearestNeighbors(algorithm='auto', leaf_size=30, metric='minkowski',
         metric_params=None, n_jobs=None, n_neighbors=1, p=2, radius=1.0)

print(neigh.kneighbors([[1., 1., 1.]]))

(array([[0.5]]), array([[2]]))

X = [[0., 1., 0.], [1., 0., 1.]]
neigh.kneighbors(X, return_distance=False)

array([[1],
       [2]])

1.4.2 kneighbors_graph([X, n_neighbors, mode])

计算样本X的n_neighbors个*邻的权重，可以返回距离或者矩阵关系图。

X = [[0], [3], [1]]
from sklearn.neighbors import NearestNeighbors
neigh = NearestNeighbors(n_neighbors=2)
neigh.fit(X) 
A = neigh.kneighbors_graph(X)
A.toarray()

array([[1., 0., 1.],
       [0., 1., 1.],
       [1., 0., 1.]])

二、KNeighborsRegressor

KNeighborsRegressor模型类似于KNeighborsClassifier模型，不同的是两个模型找到kk个*邻的时候KNeighborsClassifier模型使用了多数表决发选择类别，而KNeighborsRegressor模型使用了对kk*邻去*均数或者中位数的方法得到预测值。