python机器学习理论与实战(一)K近邻法


Posted in Python onJanuary 28, 2021

机器学习分两大类,有监督学习(supervised learning)和无监督学习(unsupervised learning)。有监督学习又可分两类:分类(classification.)和回归(regression),分类的任务就是把一个样本划为某个已知类别,每个样本的类别信息在训练时需要给定,比如人脸识别、行为识别、目标检测等都属于分类。回归的任务则是预测一个数值,比如给定房屋市场的数据(面积,位置等样本信息)来预测房价走势。而无监督学习也可以成两类:聚类(clustering)和密度估计(density estimation),聚类则是把一堆数据聚成弱干组,没有类别信息;密度估计则是估计一堆数据的统计参数信息来描述数据,比如深度学习的RBM。

根据机器学习实战讲解顺序,先学习K近邻法(K Nearest Neighbors-KNN)

K近邻法是有监督学习方法,原理很简单,假设我们有一堆分好类的样本数据,分好类表示每个样本都一个对应的已知类标签,当来一个测试样本要我们判断它的类别是,就分别计算到每个样本的距离,然后选取离测试样本最近的前K个样本的标签累计投票,得票数最多的那个标签就为测试样本的标签。

例子(电影分类):

python机器学习理论与实战(一)K近邻法

(图一)

(图一)中横坐标表示一部电影中的打斗统计个数,纵坐标表示接吻次数。我们要对(图一)中的问号这部电影进行分类,其他几部电影的统计数据和类别如(图二)所示:

python机器学习理论与实战(一)K近邻法

(图二)

从(图二)中可以看出有三部电影的类别是Romance,有三部电影的类别是Action,那如何判断问号表示的这部电影的类别?根据KNN原理,我们需要在(图一)所示的坐标系中计算问号到所有其他电影之间的距离。计算出的欧式距离如(图三)所示:

python机器学习理论与实战(一)K近邻法

(图三)

     由于我们的标签只有两类,那假设我们选K=6/2=3,由于前三个距离最近的电影都是Romance,那么问号表示的电影被判定为Romance。

代码实战(Python版本):

先来看看KNN的实现:

from numpy import * 
import operator 
from os import listdir 
 
 
def classify0(inX, dataSet, labels, k): 
 dataSetSize = dataSet.shape[0] #获取一条样本大小 
 diffMat = tile(inX, (dataSetSize,1)) - dataSet #计算距离 
 sqDiffMat = diffMat**2 #计算距离 
 sqDistances = sqDiffMat.sum(axis=1) #计算距离 
 distances = sqDistances**0.5 #计算距离 
 sortedDistIndicies = distances.argsort() #距离排序 
 classCount={}   
 for i in range(k): 
  voteIlabel = labels[sortedDistIndicies[i]] #前K个距离最近的投票统计 
  classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #前K个距离最近的投票统计 
 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #对投票统计进行排序 
 return sortedClassCount[0][0] #返回最高投票的类别

下面取一些样本测试KNN:

def file2matrix(filename): 
 fr = open(filename) 
 numberOfLines = len(fr.readlines())   #get the number of lines in the file 
 returnMat = zeros((numberOfLines,3))  #prepare matrix to return 
 classLabelVector = []      #prepare labels return  
 fr = open(filename) 
 index = 0 
 for line in fr.readlines(): 
  line = line.strip() 
  listFromLine = line.split('\t') 
  returnMat[index,:] = listFromLine[0:3] 
  classLabelVector.append(int(listFromLine[-1])) 
  index += 1 
 return returnMat,classLabelVector 
  
def autoNorm(dataSet): 
 minVals = dataSet.min(0) 
 maxVals = dataSet.max(0) 
 ranges = maxVals - minVals 
 normDataSet = zeros(shape(dataSet)) 
 m = dataSet.shape[0] 
 normDataSet = dataSet - tile(minVals, (m,1)) 
 normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide 
 return normDataSet, ranges, minVals 
  
def datingClassTest(): 
 hoRatio = 0.50  #hold out 50% 
 datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')  #load data setfrom file 
 normMat, ranges, minVals = autoNorm(datingDataMat) 
 m = normMat.shape[0] 
 numTestVecs = int(m*hoRatio) 
 errorCount = 0.0 
 for i in range(numTestVecs): 
  classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3) 
  print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i]) 
  if (classifierResult != datingLabels[i]): errorCount += 1.0 
 print "the total error rate is: %f" % (errorCount/float(numTestVecs)) 
 print errorCount

上面的代码中第一个函数从文本文件中读取样本数据,第二个函数把样本归一化,归一化的好处就是降低样本不同特征之间数值量级对距离计算的显著性影响

datingClassTest则是对KNN测试,留了一半数据进行测试,文本文件中的每条数据都有标签,这样可以计算错误率,运行的错误率为:the total error rate is: 0.064000

总结:

优点:高精度,对离群点不敏感,对数据不需要假设模型

缺点:判定时计算量太大,需要大量的内存

工作方式:数值或者类别

下面挑选一步样本数据发出来:

python机器学习理论与实战(一)K近邻法

参考文献:machine learning in action

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
Python两个内置函数 locals 和globals(学习笔记)
Aug 28 Python
Python Grid使用和布局详解
Jun 30 Python
Python实现string字符串连接的方法总结【8种方式】
Jul 06 Python
Python hexstring-list-str之间的转换方法
Jun 12 Python
Python3+Appium实现多台移动设备操作的方法
Jul 05 Python
Python的numpy库下的几个小函数的用法(小结)
Jul 12 Python
python实现机器人卡牌
Oct 06 Python
python paramiko远程服务器终端操作过程解析
Dec 14 Python
Python3 main函数使用sys.argv传入多个参数的实现
Dec 25 Python
一个非常简单好用的Python图形界面库(PysimpleGUI)
Dec 28 Python
python定义具名元组实例操作
Feb 28 Python
Python实战之大鱼吃小鱼游戏的实现
Apr 01 Python
python机器学习理论与实战(六)支持向量机
Jan 19 #Python
Python logging管理不同级别log打印和存储实例
Jan 19 #Python
python机器学习理论与实战(五)支持向量机
Jan 19 #Python
Python读取图片为16进制表示简单代码
Jan 19 #Python
Python实现pdf文档转txt的方法示例
Jan 19 #Python
浅谈Python实现2种文件复制的方法
Jan 19 #Python
用Python进行简单图像识别(验证码)
Jan 19 #Python
You might like
一个PHP的QRcode类与大家分享
2011/11/13 PHP
Zend Framework分页类用法详解
2016/03/22 PHP
PHP中的Iterator迭代对象属性详解
2019/04/12 PHP
yii框架数据库关联查询操作示例
2019/10/14 PHP
JQuery 常用方法基础教程
2009/02/06 Javascript
js tab效果的实现代码
2009/12/26 Javascript
js简单实现让文本框内容逐个字的显示出来
2013/10/22 Javascript
在HTML中插入JavaScript代码的示例
2015/06/03 Javascript
Javascript实现的Map集合工具类完整实例
2015/07/31 Javascript
js实现具有高亮显示效果的多级菜单代码
2015/09/01 Javascript
如何高效率去掉js数组中的重复项
2016/04/12 Javascript
jQuery中slidedown与slideup方法用法示例
2016/09/16 Javascript
JS实现的表头列头固定页面功能示例
2017/01/10 Javascript
微信小程序 wx.request方法的异步封装实例详解
2017/05/18 Javascript
详解Vue.js使用Swiper.js在iOS
2018/09/10 Javascript
vue2 设置router-view默认路径的实例
2018/09/20 Javascript
vue-cli配置全局sass、less变量的方法
2019/06/06 Javascript
解决vscode进行vue格式化,会自动补分号和双引号的问题
2020/10/26 Javascript
python实现超简单的视频对象提取功能
2018/06/04 Python
python re模块的高级用法详解
2018/06/06 Python
使用虚拟环境打包python为exe 文件的方法
2019/08/29 Python
Series和DataFrame使用简单入门
2019/11/13 Python
如何解决pycharm调试报错的问题
2020/08/06 Python
大女孩胸罩:Big Girls Bras
2016/12/15 全球购物
Schutz鞋官方网站:Schutz Shoes
2017/12/13 全球购物
SHEIN香港:价格实惠的女性时尚服装
2018/08/14 全球购物
英国排名第一的停车场运营商:NCP
2019/08/26 全球购物
中英双版中文教师求职信
2013/10/27 职场文书
求职自荐信范文格式
2013/11/29 职场文书
小学英语课后反思
2014/04/26 职场文书
交警个人先进事迹材料
2014/05/11 职场文书
党的群众路线教育实践活动制度建设计划
2014/11/03 职场文书
公司董事任命书
2015/09/21 职场文书
Javascript中的解构赋值语法详解
2021/04/02 Javascript
tensorflow中的梯度求解及梯度裁剪操作
2021/05/26 Python
SpringBoot整合minio快速入门教程(代码示例)
2022/04/03 Java/Android