深刻浅出KNN算法（二） sklearn KNN实践

姊妹篇：
深刻浅出KNN算法（一） 原理介绍

上次介绍了KNN的基本原理，以及KNN的几个窍门，此次就来用sklearn实践一下KNN算法。

一.Skelarn KNN参数概述

要使用sklearnKNN算法进行分类，咱们须要先了解sklearnKNN算法的一些基本参数，那么这节就先介绍这些内容吧。

def KNeighborsClassifier(n_neighbors = 5,
                       weights='uniform',
                       algorithm = '',
                       leaf_size = '30',
                       p = 2,
                       metric = 'minkowski',
                       metric_params = None,
                       n_jobs = None
                       )
                                        
- n_neighbors：这个值就是指 KNN 中的 “K”了。前面说到过，经过调整 K 值，算法会有不一样的效果。
- weights（权重）：最广泛的 KNN 算法不管距离如何，权重都同样，但有时候咱们想搞点特殊化，好比距离更近的点让它更加剧要。这时候就须要 weight 这个参数了，这个参数有三个可选参数的值，决定了如何分配权重。参数选项以下：
        • 'uniform'：无论远近权重都同样，就是最普通的 KNN 算法的形式。
        • 'distance'：权重和距离成反比，距离预测目标越近具备越高的权重。
        • 自定义函数：自定义一个函数，根据输入的坐标值返回对应的权重，达到自定义权重的目的。
- algorithm：在 sklearn 中，要构建 KNN 模型有三种构建方式，1. 暴力法，就是直接计算距离存储比较的那种放松。2. 使用 kd 树构建 KNN 模型 3. 使用球树构建。 其中暴力法适合数据较小的方式，不然效率会比较低。若是数据量比较大通常会选择用 KD 树构建 KNN 模型，而当 KD 树也比较慢的时候，则能够试试球树来构建 KNN。参数选项以下：
        • 'brute' ：蛮力实现
        • 'kd_tree'：KD 树实现 KNN
        • 'ball_tree'：球树实现 KNN 
        • 'auto'： 默认参数，自动选择合适的方法构建模型
不过当数据较小或比较稀疏时，不管选择哪一个最后都会使用 'brute'
        
- leaf_size：若是是选择蛮力实现，那么这个值是能够忽略的，当使用KD树或球树，它就是是中止建子树的叶子节点数量的阈值。默认30，但若是数据量增多这个参数须要增大，不然速度过慢不说，还容易过拟合。
- p：和metric结合使用的，当metric参数是"minkowski"的时候，p=1为曼哈顿距离， p=2为欧式距离。默认为p=2。
- metric：指定距离度量方法，通常都是使用欧式距离。
        • 'euclidean' ：欧式距离
        • 'manhattan'：曼哈顿距离
        • 'chebyshev'：切比雪夫距离
        • 'minkowski'： 闵可夫斯基距离，默认参数
- n_jobs：指定多少个CPU进行运算，默认是-1，也就是所有都算。

二. KNN代码实例

KNN算法算是机器学习里面最简单的算法之一了，咱们来sklearn官方给出的例子，来看看KNN应该怎样使用吧：

数据集使用的是著名的鸢尾花数据集，用KNN来对它作分类。咱们先看看鸢尾花长的啥样。

上面这个就是鸢尾花了，这个鸢尾花数据集主要包含了鸢尾花的花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性（特征），以及鸢尾花卉属于『Setosa，Versicolour，Virginica』三个种类中的哪一类（这三种都长什么样我也不知道）。

在使用KNN算法以前，咱们要先决定K的值是多少，要选出最优的K值，可使用sklearn中的交叉验证方法，代码以下：

from sklearn.datasets import load_iris
from sklearn.model_selection  import cross_val_score
import matplotlib.pyplot as plt
from sklearn.neighbors import KNeighborsClassifier

#读取鸢尾花数据集
iris = load_iris()
x = iris.data
y = iris.target
k_range = range(1, 31)
k_error = []
#循环，取k=1到k=31，查看偏差效果
for k in k_range:
    knn = KNeighborsClassifier(n_neighbors=k)
    #cv参数决定数据集划分比例，这里是按照5:1划分训练集和测试集
    scores = cross_val_score(knn, x, y, cv=6, scoring='accuracy')
    k_error.append(1 - scores.mean())

#画图，x轴为k值，y值为偏差值
plt.plot(k_range, k_error)
plt.xlabel('Value of K for KNN')
plt.ylabel('Error')
plt.show()

运行后，咱们能够获得下面这样的图：

有了这张图，咱们就能明显看出K值取多少的时候偏差最小，这里明显是K=11最好。固然在实际问题中，若是数据集比较大，那为减小训练时间，K的取值范围能够缩小。

有了K值咱们就能运行KNN算法了，具体代码以下：

import matplotlib.pyplot as plt
from numpy import *
from matplotlib.colors import ListedColormap
from sklearn import neighbors, datasets

n_neighbors = 11

# 导入一些要玩的数据
iris = datasets.load_iris()
x = iris.data[:, :2]  # 咱们只采用前两个feature,方便画图在二维平面显示
y = iris.target


h = .02  # 网格中的步长

# 建立彩色的图
cmap_light = ListedColormap(['#FFAAAA', '#AAFFAA', '#AAAAFF'])
cmap_bold = ListedColormap(['#FF0000', '#00FF00', '#0000FF'])


#weights是KNN模型中的一个参数，上述参数介绍中有介绍，这里绘制两种权重参数下KNN的效果图
for weights in ['uniform', 'distance']:
    # 建立了一个knn分类器的实例，并拟合数据。
    clf = neighbors.KNeighborsClassifier(n_neighbors, weights=weights)
    clf.fit(x, y)

    # 绘制决策边界。为此，咱们将为每一个分配一个颜色
    # 来绘制网格中的点 [x_min, x_max]x[y_min, y_max].
    x_min, x_max = x[:, 0].min() - 1, x[:, 0].max() + 1
    y_min, y_max = x[:, 1].min() - 1, x[:, 1].max() + 1
    xx, yy = np.meshgrid(np.arange(x_min, x_max, h),
                         np.arange(y_min, y_max, h))
    Z = clf.predict(np.c_[xx.ravel(), yy.ravel()])

    # 将结果放入一个彩色图中
    Z = Z.reshape(xx.shape)
    plt.figure()
    plt.pcolormesh(xx, yy, Z, cmap=cmap_light)

    # 绘制训练点
    plt.scatter(x[:, 0], x[:, 1], c=y, cmap=cmap_bold)
    plt.xlim(xx.min(), xx.max())
    plt.ylim(yy.min(), yy.max())
    plt.title("3-Class classification (k = %i, weights = '%s')"
              % (n_neighbors, weights))

plt.show()

KNN和Kmeans

前面说到过，KNN和Kmeans听起来有些像，但本质是有区别的，这里咱们就顺便说一下二者的异同吧。

相同：

1. K值都是重点
2. 都须要计算平面中点的距离

相异：
Knn和Kmeans的核心都是经过计算空间中点的距离来实现目的，只是他们的目的是不一样的。KNN的最终目的是分类，而Kmeans的目的是给全部距离相近的点分配一个类别，也就是聚类。

简单说，就是画一个圈，KNN是让进来圈子里的人变成本身人，Kmeans是让本来在圈内的人归成一类人。

以上