KNN

1、knn的原理

K-近邻算法采用测量不一样特征值之间的距离方法进行分类。

问题是求某点的最近 K 个点。求两点间距离公式，此外还可能须要增长权重

 

优势：精度高、对异常值不敏感、无数据输入假定。

缺点：时间复杂度高、空间复杂度高。

一、当样本不平衡时，好比一个类的样本容量很大，其余类的样本容量很小，输入一个样本的时候，K个临近值中大多数都是大样本容量的那个类，这时可能就会致使分类错误。能够对K临近点进行加权，也就是距离近的点的权值大，距离远的点权值小。

二、计算量较大，每一个待分类的样本都要计算它到所有点的距离，根据距离排序才能求得K个临近点，能够先对已知样本点进行剪辑，事先去除对分类做用不大的样本。

适用数据范围：数值型和标称型

 

2、python实现knn

参考连接：https://www.cnblogs.com/lyuzt/p/10471617.html

'''
    trainData - 训练集
    testData - 测试集
    labels - 分类
'''
def knn(trainData, testData, labels, k):
    # 计算训练样本的行数
    rowSize = trainData.shape[0]
    # 计算训练样本和测试样本的差值
    diff = np.tile(testData, (rowSize, 1)) - trainData
    # 计算差值的平方和
    sqrDiff = diff ** 2
    sqrDiffSum = sqrDiff.sum(axis=1)
    # 计算距离
    distances = sqrDiffSum ** 0.5
    # 对所得的距离从低到高进行排序
    sortDistance = distances.argsort()
    
    count = {}
    
    for i in range(k):
        vote = labels[sortDistance[i]]
        count[vote] = count.get(vote, 0) + 1
    # 对类别出现的频数从高到低进行排序
    sortCount = sorted(count.items(), key=operator.itemgetter(1), reverse=True)
    
    # 返回出现频数最高的类别
    return sortCount[0][0]

python调用

from sklearn.neighbors import KNeighborsClassifier

neigh = KNeighborsClassifier(n_neighbors=3)

#根据数据判别性别
#身高、体重、鞋的尺寸

X = np.array([[181,80,44],[177,70,43],[160,60,38],[154,54,37],

     [166,65,40],[190,90,47],[175,64,39],[177,70,40],

     [159,55,37],[171,75,42],[181,85,43]])

display(X)

y = ['male','male','female','female','male','male','female','female','female','male','male']

# 第1步：训练数据

neigh.fit(X,y)

# 第2步：预测数据

Z = neigh.predict(np.array([[190,70,43],[168,55,37]]))

display(Z)

 

 

3、监督学习和非监督学习

通俗的说无监督的学习，就是事先不知道类别，自动将类似的对象归到同一个簇中。监督学习是指数据集的正确输出已知状况下的一类学习算法。由于输入和输出已知，意味着输入和输出之间有一个关系，监督学习算法就是要发现和总结这种“关系”。

监督学习常见算法有：线性回归、神经网络、决策树、支持向量机、KNN、朴素贝叶斯算法等

无监督学习常见算法有：主成分分析法（PCA）、异常检测法、自编码算法等。