腳本之家服務(wù)器常用軟件

快捷導航

原生python實現(xiàn)knn分類算法

更新時間：2019年10月24日 10:27:50 作者：大俠_

這篇文章主要介紹了原生python實現(xiàn)knn分類算法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧

一、題目要求

用原生Python實現(xiàn)knn分類算法。

二、題目分析

數(shù)據(jù)來源：鳶尾花數(shù)據(jù)集（見附錄Iris.txt）

數(shù)據(jù)集包含150個數(shù)據(jù)集，分為3類，分別是：Iris Setosa（山鳶尾）、Iris Versicolour（雜色鳶尾）和Iris Virginica（維吉尼亞鳶尾）。每類有50個數(shù)據(jù)，每個數(shù)據(jù)包含四個屬性，分別是：Sepal.Length（花萼長度）、Sepal.Width（花萼寬度）、Petal.Length（花瓣長度）和Petal.Width（花瓣寬度）。

將得到的數(shù)據(jù)集按照7:3的比例劃分，其中7為訓練集，3為測試集。編寫算法實現(xiàn)：學習訓練集的數(shù)據(jù)特征來預測測試集鳶尾花的種類，并且計算出預測的準確性。

KNN是通過測量不同特征值之間的距離進行分類。它的思路是：如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，其中K通常是不大于20的整數(shù)。KNN算法中，所選擇的鄰居都是已經(jīng)正確分類的對象。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。

三、算法設(shè)計

1）將文本文件按行分割，寫入列表datas中

def data_read(filepath): # 讀取txt文件，將讀出的內(nèi)容存入datas列表中
  fp = open(filepath, "r")
  datas = [] # 存儲處理后的數(shù)據(jù)
  lines = fp.readlines() # 讀取整個文件數(shù)據(jù)
  for line in lines:
    row = line.strip('\n').split(',') # 去除兩頭的換行符，按空格分割
    datas.append(row)
  fp.close()
  return datas

2）劃分數(shù)據(jù)集與測試集，將數(shù)據(jù)集的數(shù)據(jù)存入labeldata_list列表，標簽存入label_list列表，測試集數(shù)據(jù)存入text_list列表，標簽存入textlabel_list列表。

3）對得到的兩個數(shù)據(jù)集的數(shù)據(jù)和標簽列表進行處理。將labeldata_list列表數(shù)據(jù)轉(zhuǎn)換為元組labeldata_tuple，構(gòu)造形入{labeldata_tuple: label_list}的字典mydict。這樣不僅可以去掉重復數(shù)據(jù)，而且可唯一的標識各個數(shù)據(jù)所對應的鳶尾花種類。

for i in range(0, 105): # 數(shù)據(jù)集按照3:7的比例劃分，其中105行為訓練集，45行為測試集
  labeldata_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
  label_list.append(datas[i][4])

for i in range(105, 150): # 測試集的數(shù)據(jù)
  text_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
  textlabel_list.append(datas[i][4])

j = 0
for i in labeldata_list:
  labeldata_tuple = tuple(i)
  mydict.update({labeldata_tuple: label_list[j]})
  j = j + 1

4）計算測試集數(shù)據(jù)與各個訓練集數(shù)據(jù)之間的距離，得到distance_list列表，外層循環(huán)進行一次，都會有一個該測試數(shù)據(jù)所對應的與訓練數(shù)據(jù)最短距離。標記出該距離對應的訓練集，在一個近鄰的條件下，這個訓練集的種類，就是該測試集的種類。
在計算距離時，使用絕對距離來計算。將每個訓練集對應數(shù)據(jù)的屬性值相減后求和add，得到一個測試數(shù)據(jù)與每個樣本的距離，add的最小值就是距離最小值。

for i in range(len(text_list)):
  count += 1
  for j in range(len(train_list)):
    add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
                                      - float(text_list[i][1])) + abs(
      float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
                                  - float(text_list[i][3]))
    distance_list.append(add1)
    if add > add1:
      add = add1
      index = train_list[j]
  print("預測", text_list[i], "的標簽是：", mydict.get(index))

5）判斷預測結(jié)果的準確性：將預測的測試數(shù)據(jù)種類與原始數(shù)據(jù)對比，若相同，則分子加一。

right = 0 # 分子
count = 0 # 分母
for i in range(len(text_list)):
  count += 1
  for j in range(len(train_list)):
    add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
                                      - float(text_list[i][1])) + abs(
      float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
                                  - float(text_list[i][3]))
    distance_list.append(add1)
    if add > add1:
      add = add1
      index = train_list[j]
  print("預測", text_list[i], "的標簽是：", mydict.get(index))
  if mydict.get(index) == textlabel_list[i]: # 當計算出來的1個近鄰與測試集正確的標簽相同時，分子加一
    right = right + 1
print('預測準確性：{:.2f}'.format(right / count))

6）舉例，繪圖

以測試集7.6,3.0,6.6,2.1,Iris-virginica為例：
首先運用anaconda繪制出數(shù)據(jù)集的散點圖，其次，將需要測試的數(shù)據(jù)于數(shù)據(jù)集繪制在同一張圖上，在一個近鄰的前提下，距離測試數(shù)據(jù)最近的點的標簽即為測試數(shù)據(jù)的的標簽。如下圖，黑色的測試點距離紅點最近，所以，測試數(shù)據(jù)的標簽就為virginica。

import matplotlib.pyplot as plt
import numpy as np
from sklearn.datasets import load_iris  #導入數(shù)據(jù)集iris
 
#載入數(shù)據(jù)集 
iris = load_iris() 
#獲取花卉兩列數(shù)據(jù)集 
DD = iris.data 
X = [x[0] for x in DD] 
Y = [x[1] for x in DD] 
#plt.scatter(7.6,3.0, color='black', marker='o')
plt.scatter(X[:50], Y[:50], color='red', marker='o', label='setosa') #前50個樣本
plt.scatter(X[50:100], Y[50:100], color='blue', marker='x', label='versicolor') #中間50個
plt.scatter(X[100:], Y[100:],color='green', marker='+', label='Virginica') #后50個樣本
plt.legend(loc=2) #左上角
plt.show()

算法數(shù)據(jù)流圖：

在這里插入圖片描述

計算各個測試數(shù)據(jù)與訓練集間距離詳細流程圖：

在這里插入圖片描述

五、測試

導入數(shù)據(jù)集

在這里插入圖片描述

劃分數(shù)據(jù)集

訓練集：

在這里插入圖片描述

測試集：

在這里插入圖片描述

對得到的兩個數(shù)據(jù)集的數(shù)據(jù)和標簽列表進行處理

在這里插入圖片描述

計算測試集數(shù)據(jù)與各個訓練集數(shù)據(jù)之間的距離

在這里插入圖片描述

判斷預測結(jié)果的準確性

在這里插入圖片描述

繪圖舉例

在這里插入圖片描述

五、運行結(jié)果

1.對測試集所有數(shù)據(jù)進行預測，得到預測測試集的標簽與預測準確性

在這里插入圖片描述

繪出散點圖：7.6,3.0,6.6,2.1,Iris-virginica作為測試集的舉例

六、總結(jié)

學習了關(guān)于繪圖的函數(shù)與庫
發(fā)現(xiàn)在繪圖方面anaconde比pycharm要方便的多

對向量之間的距離公式進行了復習
除了這次作業(yè)中使用到的絕對距離之外，還有：
a)歐氏距離
兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的歐氏距離：
在這里插入圖片描述
b)曼哈頓距離
兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的曼哈頓距離

c)閔可夫斯基距離
兩個n維變量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的閔可夫斯基距離定義為：

對文件的讀操作進行使用

算法缺點：用了許多for循環(huán)，會降低效率，增加算法的時間復雜度；只是一個近鄰的判斷依據(jù)

七、源代碼

def data_read(filepath): # 讀取txt文件，將讀出的內(nèi)容存入datas列表中
  fp = open(filepath, "r")
  datas = [] # 存儲處理后的數(shù)據(jù)
  lines = fp.readlines() # 讀取整個文件數(shù)據(jù)
  for line in lines:
    row = line.strip('\n').split(',') # 去除兩頭的換行符，按空格分割
    datas.append(row)
  fp.close()
  return datas


datas = data_read("iris .txt")

labeldata_list = [] # 訓練集的數(shù)據(jù)
label_list = [] # 訓練集的標簽
text_list = [] # 測試集數(shù)據(jù)
textlabel_list = [] # 測試集標簽
labeldata_tuple = () # 轉(zhuǎn)換列表為元組
mydict = {} # 以四維數(shù)據(jù)為鍵，以鳶尾花的特征為值。這樣便可唯一標識

'''
劃分數(shù)據(jù)集與測試集，將數(shù)據(jù)集的數(shù)據(jù)存入labeldata_list列表，標簽存入label_list列表，
測試集數(shù)據(jù)存入text_list列表，標簽存入textlabel_list列表。
'''
for i in range(0, 105): # 數(shù)據(jù)集按照3:7的比例劃分，其中105行為訓練集，45行為測試集
  labeldata_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
  label_list.append(datas[i][4])

for i in range(105, 150): # 測試集的數(shù)據(jù)
  text_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
  textlabel_list.append(datas[i][4])

j = 0
for i in labeldata_list:
  labeldata_tuple = tuple(i)
  mydict.update({labeldata_tuple: label_list[j]})
  j = j + 1


add = 100
index = 0
distance_list = []
train_list = []
for key, value in mydict.items():
  train_list.append(key)

right = 0 # 分子
count = 0 # 分母
'''
在計算距離時，使用絕對距離來計算。
將每個訓練集對應數(shù)據(jù)的屬性值相減后求和add，
得到一個測試數(shù)據(jù)與每個樣本的距離，add的最小值就是距離最小值。
'''
for i in range(len(text_list)):
  count += 1
  for j in range(len(train_list)):
    add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
                                      - float(text_list[i][1])) + abs(
      float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
                                  - float(text_list[i][3]))
    distance_list.append(add1)
    if add > add1:
      add = add1
      index = train_list[j]
  print("預測", text_list[i], "的標簽是：", mydict.get(index))
  if mydict.get(index) == textlabel_list[i]: # 當計算出來的1個近鄰與測試集正確的標簽相同時，分子加一
    right = right + 1
print('預測準確性：{:.2f}'.format(right / count))

以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: