机器学习分享KNN算法及numpy实现

KNN 是一种非参数的懒惰的监督学习算法.

非参数的意思是，模型不会对基础数据分布做出任何假设。换句话说，模型的结构是根据数据确定的。懒惰的意思是没有或者只有很少的训练过程.

KNN 算法既可以处理分类问题, 测试数据的类型由所有 K 个最近邻点投票决定, 也可以处理回归问题, 测试数据的值是所有 K 个最近邻点的值的均值或众数.

KNN 的算法非常简单.

例如, 对于分类问题, 算法流程如下,

对需要预测的每个数据依次执行以下操作：

1. 计算已知训练数据集中的点与当前点之间的距离；
2. 按照距离递增次序排序；
3. 选取与当前点距离最小的 k 个点；
4. 确定前 k 个点所在类别的出现频率；
5. 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。

需要注意的是, 要对数据进行特征缩放. 下面两张图很好的阐释了缩放的重要性.

那么 KNN 在实际使用中有哪些优点和缺点呢?

它的优点有:

• 可以处理线性和非线性数据
• 直观上易于理解
• 具有较高的准确率
• 既可以用作回归问题, 也可以用作分类问题

它的缺点是

• 计算代价大
• 内存要求高
• 数据量大时预测较慢
• 对无关的特征以及特征缩放敏感

在实际的使用过程中, 可能会遇到如下的问题.

1. k 近邻的类别出现了平局的情况. 例如在二分类中, 正负类型的近邻数相同, 使用奇数个近邻可以解决此问题, 但是无法解决多分类的问题. 这个时候可以

   • 随机决定属于哪个类别
   • 对某些类别设置优先级
   • 使用最近邻来做最终的决定

2. 训练数据的缺失值如何处理. 如果不处理缺失值, 则无法计算距离. 对于缺失值的处理的核心原则是, 尽可能小的影响距离的计算. 一个合理的解决办法是, 使用训练数据的平均值来填充缺失值.

最后附上实现代码，登录之后就能查看了。
电脑端查看源码

参考资料

1. https://medium.com/@adi.brons…
2. https://www.youtube.com/watch…
3. https://www.datacamp.com/comm…
4. https://stats.stackexchange.c…

————————————————————————————————————
Mo（网址：momodel.cn）是一个支持 Python 的人工智能建模平台，能帮助你快速开发训练并部署 AI 应用。