Python機器學習之底層實現KNN
一、導入數據
借助python自帶的pandas庫導入數據,很簡單。用的數據是下載到本地的紅酒集。
代碼如下(示例):
import pandas as pd def read_xlsx(csv_path): data = pd.read_csv(csv_path) print(data) return data
二、歸一化
KNN算法中將用到距離,因此歸一化是一個重要步驟,可以消除數據的量綱。我用瞭歸一化,消除量綱也可以用標準化,但是作為新手,我覺得歸一化比較簡單。
其中最大最小值的計算用到瞭python中的numpy庫,pandas導入的數據是DateFrame形式的,np.array()用來將DateFrame形式轉化為可以用numpy計算的ndarray形式。
代碼如下(示例):
import numpy as np def MinMaxScaler(data): col = data.shape[1] for i in range(0, col-1): arr = data.iloc[:, i] arr = np.array(arr) #將DataFrame形式轉化為ndarray形式,方便後續用numpy計算 min = np.min(arr) max = np.max(arr) arr = (arr-min)/(max-min) data.iloc[:, i] = arr return data
三、分訓練集和測試集
先將數據值和標簽值分別用x和y劃分開,設置隨機數種子random_state,若不設置,則每次運行的結果會不相同。test_size表示測試集比例。
def train_test_split(data, test_size=0.2, random_state=None): col = data.shape[1] x = data.iloc[:, 0:col-1] y = data.iloc[:, -1] x = np.array(x) y = np.array(y) # 設置隨機種子,當隨機種子非空時,將鎖定隨機數 if random_state: np.random.seed(random_state) # 將樣本集的索引值進行隨機打亂 # permutation隨機生成0-len(data)隨機序列 shuffle_indexs = np.random.permutation(len(x)) # 提取位於樣本集中20%的那個索引值 test_size = int(len(x) * test_size) # 將隨機打亂的20%的索引值賦值給測試索引 test_indexs = shuffle_indexs[:test_size] # 將隨機打亂的80%的索引值賦值給訓練索引 train_indexs = shuffle_indexs[test_size:] # 根據索引提取訓練集和測試集 x_train = x[train_indexs] y_train = y[train_indexs] x_test = x[test_indexs] y_test = y[test_indexs] # 將切分好的數據集返回出去 # print(y_train) return x_train, x_test, y_train, y_test
四、計算距離
此處用到歐氏距離,pow()函數用來計算冪次方。length指屬性值數量,在計算最近鄰時用到。
def CountDistance(train,test,length): distance = 0 for x in range(length): distance += pow(test[x] - train[x], 2)**0.5 return distance
五、選擇最近鄰
計算測試集中的一條數據和訓練集中的每一條數據的距離,選擇距離最近的k個,以少數服從多數原則得出標簽值。其中argsort返回的是數值從小到大的索引值,為瞭找到對應的標簽值。
tip:用numpy計算眾數的方法
import numpy as np #bincount():統計非負整數的個數,不能統計浮點數 counts = np.bincount(nums) #返回眾數 np.argmax(counts)
少數服從多數原則,計算眾數,返回標簽值。
def getNeighbor(x_train,test,y_train,k): distance = [] #測試集的維度 length = x_train.shape[1] #測試集合所有訓練集的距離 for x in range(x_train.shape[0]): dist = CountDistance(test, x_train[x], length) distance.append(dist) distance = np.array(distance) #排序 distanceSort = distance.argsort() # distance.sort(key= operator.itemgetter(1)) # print(len(distance)) # print(distanceSort[0]) neighbors =[] for x in range(k): labels = y_train[distanceSort[x]] neighbors.append(labels) # print(labels) counts = np.bincount(neighbors) label = np.argmax(counts) # print(label) return label
調用函數時:
getNeighbor(x_train,x_test[0],y_train,3)
六、計算準確率
用以上KNN算法預測測試集中每一條數據的標簽值,存入result數組,將預測結果與真實值比較,計算預測正確的個數與總體個數的比值,即為準確率。
def getAccuracy(x_test,x_train,y_train,y_test): result = [] k = 3 # arr_label = getNeighbor(x_train, x_test[0], y_train, k) for x in range(len(x_test)): arr_label = getNeighbor(x_train, x_test[x], y_train, k) result.append(arr_label) correct = 0 for x in range(len(y_test)): if result[x] == y_test[x]: correct += 1 # print(correct) accuracy = (correct / float(len(y_test))) * 100.0 print("Accuracy:", accuracy, "%") return accuracy
總結
KNN算是機器學習中最簡單的算法,實現起來相對簡單,但對於我這樣的新手,還是花費瞭大半天時間才整出來。
在github上傳瞭項目:https://github.com/chenyi369/KNN
到此這篇關於Python機器學習之底層實現KNN的文章就介紹到這瞭,更多相關Python底層實現KNN內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python的numpy模塊實現邏輯回歸模型
- Python實現K-近鄰算法的示例代碼
- Python機器學習應用之決策樹分類實例詳解
- Python機器學習之手寫KNN算法預測城市空氣質量
- 人工智能-Python實現嶺回歸