通過機器學習教學視頻，初識KNN算法，對原理和算法流程通過小應用進行Python實現(xiàn)，有了自己的一些理解。因此在此整理一下，既是對自己學習的階段性總結(jié)，也希望能和更多的朋友們共同交流學習相關(guān)算法，如有不完善的地方歡迎批評指正。

1、KNN算法原理

KNN，全稱k-NearestNeighbor，即常說的k鄰近算法。

該算法的核心思想：一個樣本x與樣本集中的k個最相鄰的樣本中的大多數(shù)屬于某一個類別yLabel，那么該樣本x也屬于類別yLabel，并具有這個類別樣本的特性。簡而言之，一個樣本與數(shù)據(jù)集中的k個最相鄰樣本中的大多數(shù)的類別相同。

由其思想可以看出，KNN是通過測量不同特征值之間的距離進行分類，而且在決策樣本類別時，只參考樣本周圍k個“鄰居”樣本的所屬類別。因此比較適合處理樣本集存在較多重疊的場景，主要用于聚類分析、預測分析、文本分類、降維等，也常被認為是簡單數(shù)據(jù)挖掘算法的分類技術(shù)之一。

2、KNN流程框圖

在建立訓練集時，就要確定訓練數(shù)據(jù)及其對應的類別標簽；然后把待分類的測試數(shù)據(jù)與訓練集數(shù)據(jù)依次進行特征比較；從訓練集中挑選出最相近的k個數(shù)據(jù)，這k個數(shù)據(jù)中投票最多的分類，即為新樣本的類別。

為了方便閱讀算法流程，將其描述為如下流程框圖：

3、KNN代碼實現(xiàn)

參考《視覺機器學習 20講》，整理KNN算法的偽代碼如下：

Algorithm KNN(A[n], k) {Input: A[n]為N個訓練樣本的分類特征；k為近鄰個數(shù)；Initialize：選擇A[1]至A[k]作為x的初始近鄰；計算初始近鄰與測試樣本x間的歐氏距離d(x, A[i]), i=1,2,...k；按d(x, A[i])從小到大排序；計算最遠樣本與x間的距離D，即max{d(x, A[j]) | j=1,2...k}；for(i=k+1; i<n+1; i++)計算A[i]與x間的距離d(x, A[i])；if (d(x, A[i]) < D ) then用A[i]代替最遠樣本；按照d(x, A[i])從小到大排序；計算最遠樣本與x間的距離D，即max{d(x, A[j]) | j=1,...i}；計算前k個樣本A[i]所屬類別的概率，i=1,2,...k；具有最大概率的類別即為樣本x的類；end forOutput： x所屬的類別。 }

參照麥子學院彭亮主講機器學習課程中，KNN的Python代碼，實現(xiàn)了KNN算法的分類功能。

import csv import random import math import operator#導入數(shù)據(jù)，并分為訓練集和測試集 def loadDataset(filename, split, trainingSet = [], testSet = []):with open(filename, 'rt') as csvfile:lines = csv.reader(csvfile)dataset = list(lines)for x in range(len(dataset)-1):for y in range(4):dataset[x][y] = float(dataset[x][y])if random.random() < split:trainingSet.append(dataset[x])else:testSet.append(dataset[x])#求歐拉距離 def euclideanDistance(instance1, instance2, length):distance = 0for x in range(length):distance += pow((instance1[x]-instance2[x]), 2)return math.sqrt(distance)#計算最近鄰(K個數(shù)據(jù)集)，testInstance是實例 def getNeighbors(trainingSet, testInstance, k):distances = []length = len(testInstance)-1for x in range(len(trainingSet)):#testinstancedist = euclideanDistance(testInstance, trainingSet[x], length)distances.append((trainingSet[x], dist))#distance是一個多個元組的list#distances.append(dist)distances.sort(key=operator.itemgetter(1))#按照dist排序neighbors = []for x in range(k):neighbors.append(distances[x][0])#要的是數(shù)據(jù)集return neighbors#投票法找出最近鄰的結(jié)果哪種最多 def getResponse(neighbors):classVotes = {}#key--花名字 value--個數(shù)for x in range(len(neighbors)):response = neighbors[x][-1]if response in classVotes:classVotes[response] += 1else:classVotes[response] = 1sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True)return sortedVotes[0][0]#求出精確性 def getAccuracy(testSet, predictions):correct = 0for x in range(len(testSet)):if testSet[x][-1] == predictions[x]:correct += 1return (correct/float(len(testSet)))*100.0def main():#prepare datatrainingSet = []testSet = []split = 1/3loadDataset(r'E:\pycharmcode\irisdata.txt', split, trainingSet, testSet)print('Train set: '+ repr(len(trainingSet)))print('Test set: ' + repr(len(testSet)))#generate predictionspredictions = []k = 3for x in range(len(testSet)):# trainingsettrainingSet[x]neighbors = getNeighbors(trainingSet, testSet[x], k)result = getResponse(neighbors)predictions.append(result)print ('>predicted=' + repr(result) + ', actual=' + repr(testSet[x][-1]))accuracy = getAccuracy(testSet, predictions)print('Accuracy: ' + repr(accuracy) + '%')

4、KNN算法優(yōu)缺點

4.1、優(yōu)點

（1）理論成熟簡單，易于理解及算法實現(xiàn)；

（2）?可以用于多分類分類、回歸等；

4.2、缺點

（1）需要計算待分類樣本與所有已知樣本的距離，計算量大；

（2）樣本容量小或樣本分布不均衡時，容易分類錯誤，后者可通過施加距離權(quán)重進行改善；

5、參考資料

1、《視覺機器學習 20講》；

2、K-近鄰（KNN）算法；

3、機器學習實戰(zhàn)之kNN算法；

4、KNN(k-nearest neighbor的縮寫)最近鄰算法原理詳解；

5、麥子學院在線課程；

總結(jié)

以上是生活随笔為你收集整理的【机器学习】最近邻算法KNN原理、流程框图、代码实现及优缺点的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。