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进阶教程之循环相关函数range、enumerate、zip
Aug 30 Python
Python的动态重新封装的教程
Apr 11 Python
Python实现针对给定单链表删除指定节点的方法
Apr 12 Python
对Python 内建函数和保留字详解
Oct 15 Python
浅谈Python爬虫基本套路
Mar 25 Python
基于python框架Scrapy爬取自己的博客内容过程详解
Aug 05 Python
Django中提供的6种缓存方式详解
Aug 05 Python
Python udp网络程序实现发送、接收数据功能示例
Dec 09 Python
Python列表操作方法详解
Feb 09 Python
python matplotlib:plt.scatter() 大小和颜色参数详解
Apr 14 Python
Python如何绘制日历图和热力图
Aug 07 Python
PyCharm 解决找不到新打开项目的窗口问题
Jan 15 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
为PHP初学者的8点有效建议
2010/11/20 PHP
深入理解PHP中的empty和isset函数
2016/05/26 PHP
php实现的一段简单概率相关代码
2016/05/30 PHP
JavaScript 实现??打印?理
2007/04/28 Javascript
jquery获取div宽度的实现思路与代码
2013/01/13 Javascript
js操作iframe兼容各种主流浏览器示例代码
2013/07/22 Javascript
jQuery移动web开发中的页面初始化与加载事件
2015/12/03 Javascript
js实现浏览器倒计时跳转页面效果
2016/08/12 Javascript
利用jQuery实现滑动开关按钮效果(附demo源码下载)
2017/02/07 Javascript
详解angular笔记路由之angular-router
2017/09/12 Javascript
vue双花括号的使用方法 附练习题
2017/11/07 Javascript
vue移动端实现红包雨效果
2020/06/23 Javascript
深入浅析angular和vue还有jquery的区别
2018/08/13 jQuery
Webpack之tree-starking 解析
2018/09/11 Javascript
nodejs更新package.json中的dependencies依赖到最新版本的方法
2018/10/10 NodeJs
vue-cli安装使用流程步骤详解
2018/11/08 Javascript
详解vue几种主动刷新的方法总结
2019/02/19 Javascript
Vue axios 跨域请求无法带上cookie的解决
2020/09/08 Javascript
Python配置mysql的教程(推荐)
2017/10/13 Python
python实现excel读写数据
2021/03/02 Python
Python获取昨天、今天、明天开始、结束时间戳的方法
2018/06/01 Python
python使用tornado实现简单爬虫
2018/07/28 Python
Windows系统下PhantomJS的安装和基本用法
2018/10/21 Python
对python遍历文件夹中的所有jpg文件的实例详解
2018/12/08 Python
Python3 使用cookiejar管理cookie的方法
2018/12/28 Python
pyqt5与matplotlib的完美结合实例
2019/06/21 Python
解决pytorch 数据类型报错的问题
2021/03/03 Python
马来西亚与新加坡长途巴士售票网站:BusOnlineTicket.com
2018/11/05 全球购物
大学生村官个人对照检查材料(群众路线)
2014/09/26 职场文书
2015年度优秀员工自荐书
2015/03/06 职场文书
因个人原因离职的辞职信范文
2015/05/12 职场文书
有关西游记的读书笔记
2015/06/25 职场文书
2015教师个人德育工作总结
2015/07/22 职场文书
公司业务员管理制度
2015/08/05 职场文书
工作计划范文之财务管理
2019/08/09 职场文书
MySQL中的隐藏列的具体查看
2021/09/04 MySQL