导航：首页 > 开发技术 >

Python如何实现KNN近邻算法

发表于：2025-02-01 作者：千家信息网编辑

千家信息网最后更新 2025年02月01日，本篇内容主要讲解"Python如何实现KNN近邻算法"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"Python如何实现KNN近邻算法"吧!一、KNN概述简

千家信息网最后更新 2025年02月01日Python如何实现KNN近邻算法

本篇内容主要讲解"Python如何实现KNN近邻算法"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"Python如何实现KNN近邻算法"吧!

一、KNN概述

简单来说，K-近邻算法采用测量不同特征值之间的距离方法进行分类

优点：精度高、对异常值不敏感、无数据输入假定
缺点：计算复杂度高、空间复杂度高
适用数据范围：数值型和标称2型

工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一个数据与所属分类的对应关系（训练集）。输入没有标签的新数据之后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签（测试集）。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处。（通常k不大于20）

二、使用Python导入数据

我们先写入一段代码

from numpy import *          # 导入numpy模块import operator            # 导入operator模块def createDataSet():               # 创建数据集函数        # 构建一个数组存放特征值    group = array(        [[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]    )    # 构建一个数组存放目标值    labels = ['A', 'A', 'B', 'B']    return group, labels

此处稍微介绍一下numpy这个包吧

三、numpy.array()

NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。
在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank，但是和线性代数中的秩不是一样的，在用python求线代中的秩中，我们用numpy包中的linalg.matrix_rank方法计算矩阵的秩
线性代数中秩的定义：设在矩阵A中有一个不等于0的r阶子式D，且所有r+1阶子式(如果存在的话)全等于0，那末D称为矩阵A的最高阶非零子式，数r称为矩阵A的秩，记作R(A)。

四、实施KNN分类算法

依照KNN算法，我们依次来

先准备好四个需要的数据

inX：用于分类的输入向量inX
dataSet：输入的训练样本集dataSet
labels：标签向量labels（元素数目和矩阵dataSet的行数相同）
k：选择最近邻居的数目

五、计算已知类别数据集中的点与当前点之间的距离

六、完整代码

# 返回矩阵的行数dataSetSize = dataSet.shape[0]        # 列数不变，行数变成dataSetSize列diffMat = tile(inX, (dataSetSize, 1)) - dataSetsqDiffMat = diffMat ** 2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances**0.5

第一行

# 返回矩阵的行数dataSetSize = dataSet.shape[0]        # 以第一步的数据为例answer:4                # 4行

第二行

inX = [1. , 0.]# 列数不变，行数变成dataSetSize列diffMat = tile(inX, (dataSetSize, 1)) - dataSet# tile(inX, (dataSetSize, 1))inX = [        [1. , 0.],        [1. , 0.],        [1. , 0.],        [1. , 0.]]# inX - dataSet两个矩阵相减（行列相等相加相减才有意义）dataSet = [                [1. , 1.1],        [1. , 1. ],        [0. , 0. ],        [0. , 0.1]]diffMat = [        [0. , -1.1],        [0. , -1.],        [1. , 0.],        [1. , -0.1]]

第三行

# 求平方差sqDiffMat = diffMat * 2

第四行

# 计算矩阵中每一行元素之和# 此时会形成一个多行1列的矩阵sqDistances = sqDiffMat.sum(axis=1)

第五行

# 开根号distances = sqDistances**0.5

按照距离递增次序排序

# 对数组进行排序sortedDistIndicies = distances.argsort()

选择与当前点距离最小的k个点

classCount = {}            # 新建一个字典# 确定前k个距离最小元素所在的主要分类for i in range(k):        # voteIlabel的取值是labels中sortedDistIndicies[i]的位置        voteIlabel = labels[sortedDistIndicies[i]]        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

确定前k个点所在类别的出现概率

# 排序sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)

###11# 返回前k个点出现频率最高的类别作为当前点的预测分类

return sortedClassCount[0][0]

刚刚试一试C++的版本…小心，救命

#include #include #include #include #include int sum_vector(std::vector& v) {        int sum = 0;        for (int i = 0; i < v.size(); ++i) {                sum = v[i] + sum;        }        return sum;}int knn(int k) {        using std::cout;        using std::endl;        using std::vector;        vector> x;         vector x_sample = {2, 3, 4};                for (int i = 0; i < 4; ++i) {                x.push_back(x_sample);        }        vector y = {1, 1, 1, 1};        int dataSetSize = x.size();                      vector x_test = {4, 3, 4};        vector> x_test_matrix;        for (int i = 0; i < dataSetSize; ++i) {                x_test_matrix.push_back(x_test);        }        vector v_total;        for (int i = 0; i < dataSetSize; ++i) {                for (int j = 0; j < x_test_matrix[i].size(); ++j) {                        x_test_matrix[i][j] = x_test_matrix[i][j] - x[i][j];                        x_test_matrix[i][j] = x_test_matrix[i][j] * 2;                }                int sum_vec = sum_vector(x_test_matrix[i]);                v_total.push_back(sqrt(sum_vec));        }        sort(v_total.begin(), v_total.end());        std::map mp;        for (int i = 0; i < k; ++i) {                int label = y[v_total[i]];                mp[label] += 1;        }        int max_end_result = 0;        for (std::map::iterator it = mp.begin(); it != mp.end(); it++) {                if (it->first > max_end_result) {                        max_end_result = it->first;                }        }        return max_end_result;}int main() {        int k = 12;        int value = knn(k);        std::cout << "result:" << std::endl;        return 0;}

七、数据处理、分析、测试

处理excel和txt数据

excel数据是矩阵数据，可直接使用，在此不做处理。

文本txt数据需要一些数据处理

def file2matrix(filename):        fr = open(filename)        # 读取行数据直到尾部        arrayOLines = fr.readlines()        # 获取行数        numberOfLines = len(arrayOLines)        # 创建返回shape为（numberOfLines, 3）numpy矩阵        returnMat = zeros((numberOfLines, 3))        classLabelVector = []        index = 0        for line in arrayOLines:                # 去除首尾的回车符                line = line.strip()                # 以tab字符'      '为符号进行分割字符串                listFromLine = line.split('       ')                # 选取前3个元素，把他们存储到特征矩阵中                returnMat[index, :] = listFromLine[0: 3]                # 把目标变量放到目标数组中                classLabelVector.append(int(listFromLine[-1]))                index += 1        return returnMat, classLabelVector

数据归一化和标准化

在数值当中，会有一些数据大小参差不齐，严重影响数据的真实性，因此，对数据进行归一化和标准化是使得数据取值在一定的区间，具有更好的拟合度。

例如归一化就是将数据取值范围处理为0到1或者-1到1之间

# max：最大特征值# min：最小特征值newValue = (oldValue - min)/(max-min)

写个函数

def autoNorm(dataSet):        # min(0)返回该矩阵中每一列的最小值        minVals = dataSet.min(0)        # max(0)返回该矩阵中每一列的最大值        maxVals = dataSet.max(0)        # 求出极值        ranges = maxVals - minVals        # 创建一个相同行列的0矩阵        normDataSet = zeros(shape(dataSet))        # 得到行数        m = dataSet.shape[0]        # 得到一个原矩阵减去m倍行1倍列的minVals        normDataSet = dataSet - tile(minVlas, (m,1))        # 特征值相除        normDataSet = normDataSet/tile(ranges, (m, 1))        return normDataSet, ranges, minVals

归一化的缺点：如果异常值就是最大值或者最小值，那么归一化也就没有了保证（稳定性较差，只适合传统精确小数据场景）

标准化可查

八、鸢尾花数据测试

既然已经了解其内置的算法了，那么便调库来写一个吧

from sklearn.datasets import load_iris      # 导入内置数据集from sklearn.model_selection import train_test_split        # 提供数据集分类方法from sklearn.preprocessing import StandardScaler        # 标准化from sklearn.neighbors import KNeighborsClassifier      # KNNdef knn_iris():    # 获得鸢尾花数据集    iris = load_iris()    # 获取数据集    # random_state为随机数种子，一个数据集中相等的行不能大于6    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)    # 特征工程：标准化    transfer = StandardScaler()    # 训练集标准化    x_train = transfer.fit_transform(x_train)    # 测试集标准化    x_test = transfer.transform(x_test)    # 设置近邻个数    estimator = KNeighborsClassifier(n_neighbors=3)    # 训练集测试形成模型    estimator.fit(x_train, y_train)    # 模型预估    # 根据预测特征值得出预测目标值    y_predict = estimator.predict(x_test)    print("y_predict: ", y_predict)    # 得出预测目标值和真实目标值之间是否相等    print("直接比对真实值和预测值：", y_test == y_predict)    # 计算准确率    score = estimator.score(x_test, y_test)    print("准确率为：", score)def main():    knn_iris()if __name__ == '__main__':    main()

到此，相信大家对"Python如何实现KNN近邻算法"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！

很赞哦！