一、K-近邻算法(KNN)原理
K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法
定义
如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。
来源：KNN算法最早是由Cover和Hart提出的一种分类算法
距离公式
两个样本的距离可以通过如下公式计算，又叫欧式距离
二、简单实例-电影类型分析
假设我们现在有几部电影
其中 $ ？$表示的电影不知道类别，如何去预测？我们可以利用K近邻算法的思想
问题
- 如果取的最近的电影数量不一样？会是什么结果？
- k = 1 ，[爱情片]
- k = 2 ，[爱情片，爱情片]
- k = 3 ，[爱情片，爱情片，爱情片]
- k = 4 ，[爱情片，爱情片，爱情片，动作片]
- k = 6 ，[爱情片，爱情片，爱情片，动作片，动作片，动作片]
- 分析K-近邻算法需要做什么样的处理
- k 是一个超参数，需要人为指定，好的 k 值更需要人的丰富经验
- 当 k 取很大值时，受样本均衡影响较大
- 当 k 取很小值时，受异常点影响较大
三、sklearn - KNN - API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
- n_neighbors
- 查询默认使用的邻居数
- int ,可选（默认= 5）
- algorithm：
- 可选用于计算最近邻居的算法：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}
- ‘ball_tree’将会使用 BallTree，
- ‘kd_tree’将使用 KDTree。
- ‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。
- (不同实现方式影响效率)
四、KNN - 案例：鸢尾花种类预测
数据集介绍
Iris数据集是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。关于数据集的具体介绍：
步骤分析
- 获取数据集与分割数据集
- 特征工程：标准化
- 模型训练评估
完整代码
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
# 加载数据
iris = load_iris()
# 划分数据集
x_train,x_test,y_train,y_test = train_test_split(iris.data,iris.target,test_size=0.3,random_state=8)
# 标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 训练模型
estimator = KNeighborsClassifier()
estimator.fit(x_train,y_train)
# 模型评估
# 方法一 比对真实值与预测值
y_predict = estimator.predict(x_test)
y_test == y_predict
# 模型评估
# 方法二 计算准确率
estimator.score(x_test,y_test)五、KNN优缺点
- 优点：
- 简单，易于理解，易于实现，无需训练
- 缺点：
- 懒惰算法，对测试样本分类时的计算量大，内存开销大
- 必须指定K值，K值选择不当则分类精度不能保证
- 使用场景：小数据场景，几千～几万样本，具体场景具体业务具体分析
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
