基于weka的数据库挖掘➖分类方法KNN分类
关于作者
- 作者介绍
🍓 博客主页：作者主页<br> 🍓 简介：JAVA领域优质创作者🥇、一名初入职场小白🎓、曾在校期间参加各种省赛、国赛，斩获一系列荣誉🏆<br> 🍓 关注我：关注我学习资料、文档下载统统都有，每日定时更新文章，励志做一名JAVA资深程序猿👨💻
K最近邻（K-nearest neighbors，kNN）算法是一种常用的基于实例的监督学习算法，用于分类和回归问题。kNN算法基于一个简单的假设：与某个样本距离最近的k个训练样本具有相似的特征和标签。
kNN算法思想：
-
准备训练数据集：收集带有标签的训练样本数据，其中每个样本都有一组特征和对应的标签。
-
选择k值：确定要考虑的最近邻居的数量k。k的选择是一个重要的参数，它会影响算法的性能。
-
计算距离：对于待分类的样本，使用某种距离度量（例如欧氏距离、曼哈顿距离等）来计算它与训练集中每个样本之间的距离。
-
找到最近的k个样本：根据计算的距离，选择与待分类样本最近的k个训练样本。
-
投票或取平均：对于分类问题，通过多数表决的方式确定待分类样本的标签。即，选择k个最近邻中出现次数最多的标签作为待分类样本的标签。对于回归问题，通过取k个最近邻样本标签的平均值作为待分类样本的预测值。
具体实现：
1.打开weka进入explorer 界面，加载天气数据集glass.arff，然后切换到classify标签页。
单击choose依次选择 weka-\>classifiers-\>lazy-\>IBk，IBk 是一种KNN分类器。IBk 的参数值保持默认，使用交叉验证的方式测试该分类器的性能。
2.点击start,得到如下结果：
3.下面将大小不等的噪声数据，加入到玻璃数据集中，观察对分类器性能的影响。
通过 weka-\>filters-\>unsupervised-\>attribute 中的 AddNoise 过滤器，将玻璃数据集中一定比例的类别标签翻转为其他的类别标签，这就是加入噪声数据，即将正确的类别标签改成错误的。但是我们只希望在训练数据中加入噪声数据，测试数据中不加噪声数据，所以需要先选择 FilteredClassifier 分类器，它的功能是只让 Addnoise 对训练数据加入噪声。具体操作如下：
选择choose-weka-meta-FilteredClassifier
单击如下位置，弹出 FilteredClassifier 参数设置窗口如下，设置分类器为 KNN（IBk），添加噪声的算法 Addnoise
修改AddNoise过滤器的分类噪声百分比percent参数，从0%，10%一直到50%，设置完后，单击start按钮启动训练和评估，观察分类的准确率如何变化。
| 噪声百分比 | K=1 |
|---|---|
| 70.5607 % | |
| 10 | 61.2157 % |
| 20 | 52.8037 % |
| 30 | 45.7944 % |
| 40 | 36.9159 % |
| 50 | 33.1776 % |
KNN算法的优点包括简单易理解、无需训练过程、适用于多类别问题等。然而，它也有一些缺点，包括计算复杂度高、对数据特征缩放敏感、需要大量的存储空间等。
注意：
-
特征选择：选择合适的特征对算法的性能至关重要。不相关或冗余的特征可能会影响分类结果。
-
距离度量：选择适合问题的距离度量方法。常用的度量包括欧氏距离、曼哈顿距离、余弦相似度等。
-
k值选择：选择合适的k值对算法的性能有重要影响。较小的k值可能会导致过拟合，而较大的k值可能会导致欠拟合。
-
数据预处理：对数据进行预处理，例如特征缩放、归一化或标准化，可以提高算法的性能。
