实验二 K

您所在的位置：网站首页 › k近邻的应用 › 实验二 K

实验二 K

2023-10-21 05:50| 来源: 网络整理| 查看: 265

K-近邻算法及应用所在班级机器学习实验要求作业要求学习目标理解K-近邻算法原理，能实现算法K近邻算法；学号 3180701310 【实验目的】

理解K-近邻算法原理，能实现算法K近邻算法；掌握常见的距离度量方法；掌握K近邻树实现算法；针对特定应用场景及数据，能应用K近邻解决实际问题。

【实验内容】

实现曼哈顿距离、欧氏距离、闵式距离算法，并测试算法正确性。实现K近邻树算法；针对iris数据集，应用sklearn的K近邻算法进行类别预测。针对iris数据集，编制程序使用K近邻树进行类别预测。

【实验报告要求】

对照实验内容，撰写实验过程、算法及测试结果；代码规范化：命名规则、注释；分析核心算法的复杂度；查阅文献，讨论K近邻的优缺点；举例说明K近邻的应用场景。

【实验运行结果】【实验代码及其注释】一、距离度量

利用python代码遍历三个点中，与1点距离最近的点

# 导入所需要的包 import math from itertools import combinations # 当p=1时，就是曼哈顿距离； # 当p=2时，就是欧氏距离； # 当p=inf时，就是闵式距离。 # 函数主要用于距离测算 def L(x, y, p=2): # x1 = [1, 1], x2 = [5,1] if len(x) == len(y) and len(x) > 1: sum = 0 for i in range(len(x)): sum += math.pow(abs(x[i] - y[i]), p) return math.pow(sum, 1/p) else: return 0 # 输入样例，该列来源于课本 x1 = [1, 1] x2 = [5, 1] x3 = [4, 4] # 计算x1与x2和x3之间的距离 for i in range(1, 5): # i从1到4 r = { '1-{}'.format(c):L(x1, c, p=i) for c in [x2, x3]} # 创建一个字典 print(min(zip(r.values(), r.keys()))) # 当p=i时选出x2和我x3中距离x1最近的点

输出：

二、编写K-近邻算法

python实现，遍历所有数据点，找出n个距离最近的点的分类情况，少数服从多数(不使用直接的python中现有的K-近邻算法包)

# 导包 import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplotlib inline from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from collections import Counter # data 输入数据 iris = load_iris() # 获取python中鸢尾花Iris数据集 df = pd.DataFrame(iris.data, columns=iris.feature_names) # 将数据集使用DataFrame建表 df['label'] = iris.target # 将表的最后一列作为目标列 df.columns = ['sepal length', 'sepal width', 'petal length', 'petal width', 'label'] # 定义表中每一列 # data = np.array(df.iloc[:100, [0, 1, -1]]) df # 将建好的表显示在屏幕上查看

输出：

# 绘制数据散点图 plt.scatter(df[:50]['sepal length'], df[:50]['sepal width'], label='0') # 绘制前50个数据的散点图 plt.scatter(df[50:100]['sepal length'], df[50:100]['sepal width'], label='1') # 绘制50-100个数据的散点图 plt.xlabel('sepal length') plt.ylabel('sepal width') # 设置x，y轴坐标名 plt.legend() # 绘图

注释： train_test_split()是分离器函数，用于将数组或矩阵划分为训练集和测试集，函数样式为：X_train, X_test, y_train, y_test = train_test_split(train_data, train_target, test_size, random_state，shuffle) train_data：待划分的样本数据 train_target：待划分的对应样本数据的样本标签 test_size： 1）浮点数，在0 ~ 1之间，表示样本占比（test_size = 0.3，则样本数据中有30%的数据作为测试数据，记入X_test，其余70%数据记入X_train，同时适用于样本标签）； 2）整数，表示样本数据中有多少数据记入X_test中，其余数据记入X_train)

data = np.array(df.iloc[:100, [0, 1, -1]]) # iloc函数：通过行号来取行数据,读取数据前100行的第0,1列和最后一列 # X为data数据集中去除最后一列所形成的新数据集 # y为data数据集中最后一列数据所形成的新数据集 X, y = data[:,:-1], data[:,-1] # 选取训练集，和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2) # 建立一个类KNN，用于k-近邻的计算 class KNN: #初始化 def __init__(self, X_train, y_train, n_neighbors=3, p=2): # 初始化数据，neighbor表示邻近点，p为欧氏距离 self.n = n_neighbors self.p = p self.X_train = X_train self.y_train = y_train def predict(self, X): # X为测试集 knn_list = [] for i in range(self.n): # 遍历邻近点 dist = np.linalg.norm(X - self.X_train[i], ord=self.p) # 计算训练集和测试集之间的距离 knn_list.append((dist, self.y_train[i])) # 在列表末尾添加一个元素 for i in range(self.n, len(self.X_train)): # 3-20 max_index = knn_list.index(max(knn_list, key=lambda x: x[0])) # 找出列表中距离最大的点 dist = np.linalg.norm(X - self.X_train[i], ord=self.p) # 计算训练集和测试集之间的距离 if knn_list[max_index][0] > dist: # 若当前数据的距离大于之前得出的距离，就将数值替换 knn_list[max_index] = (dist, self.y_train[i]) # 统计 knn = [k[-1] for k in knn_list] count_pairs = Counter(knn) # 统计标签的个数 max_count = sorted(count_pairs, key=lambda x:x)[-1] # 将标签升序排列 return max_count # 计算测试算法的正确率 def score(self, X_test, y_test): right_count = 0 n = 10 for X, y in zip(X_test, y_test): label = self.predict(X) if label == y: right_count += 1 return right_count / len(X_test)

11、

clf = KNN(X_train, y_train) # 调用KNN算法进行计算

12、

clf.score(X_test, y_test) # 计算正确率

输出：

test_point = [6.0, 3.0] # 用于算法测试的数据 print('Test Point: {}'.format(clf.predict(test_point))) # 结果

输出：

plt.scatter(df[:50]['sepal length'], df[:50]['sepal width'], label='0') # 将数据的前50个数据绘制散点图 plt.scatter(df[50:100]['sepal length'], df[50:100]['sepal width'], label='1') # 将数据的50-100个数据绘制散点图 plt.plot(test_point[0], test_point[1], 'bo', label='test_point') # 将测试数据点绘制在图中 plt.xlabel('sepal length') plt.ylabel('sepal width') # x,y轴命名 plt.legend() # 绘图

输出：

三、使用scikitlearn中编好的包直接调用实现K-近邻算法

sklearn.neighbors.KNeighborsClassifier n_neighbors: 临近点个数 p: 距离度量 algorithm: 近邻算法，可选{'auto', 'ball_tree', 'kd_tree', 'brute'} weights: 确定近邻的权重

15、

# 导包 from sklearn.neighbors import KNeighborsClassifier # 调用 clf_sk = KNeighborsClassifier() clf_sk.fit(X_train, y_train)

输出：

clf_sk.score(X_test, y_test) # 计算正确率

输出：

四、针对iris数据集，编制程序使用K近邻树进行类别预测建造kd树 # 建造kd树 # kd-tree 每个结点中主要包含的数据如下： class KdNode(object): def __init__(self, dom_elt, split, left, right): self.dom_elt = dom_elt#结点的父结点 self.split = split#划分结点 self.left = left#做结点 self.right = right#右结点 class KdTree(object): def __init__(self, data): k = len(data[0])#数据维度 #print("创建结点") #print("开始执行创建结点函数！！！") def CreateNode(split, data_set): #print(split,data_set) if not data_set:#数据集为空 return None #print("进入函数！！！") data_set.sort(key=lambda x:x[split])#开始找切分平面的维度 #print("data_set:",data_set) split_pos = len(data_set)//2 #取得中位数点的坐标位置(求整) median = data_set[split_pos] split_next = (split+1) % k #(取余数)取得下一个节点的分离维数 return KdNode( median, split, CreateNode(split_next, data_set[:split_pos]),#创建左结点 CreateNode(split_next, data_set[split_pos+1:]))#创建右结点 #print("结束创建结点函数！！！") self.root = CreateNode(0, data)#创建根结点 #KDTree的前序遍历 def preorder(root): print(root.dom_elt) if root.left: preorder(root.left) if root.right: preorder(root.right) 遍历kd树 # 遍历kd树 #KDTree的前序遍历 def preorder(root): print(root.dom_elt) if root.left: preorder(root.left) if root.right: preorder(root.right) from math import sqrt from collections import namedtuple # 定义一个namedtuple,分别存放最近坐标点、最近距离和访问过的节点数 result = namedtuple("Result_tuple", "nearest_point nearest_dist nodes_visited") #搜索开始 def find_nearest(tree, point): k = len(point)#数据维度 def travel(kd_node, target, max_dist): if kd_node is None: return result([0]*k, float("inf"), 0)#表示数据的无 nodes_visited = 1 s = kd_node.split #数据维度分隔 pivot = kd_node.dom_elt #切分根节点 if target[s]

【本文地址】

实验二 K

实验二 K

今日新闻

推荐新闻