k-近邻算法介绍及实例

K-近邻算法（KNN）原理

K-近邻算法（KNN）基于一个简单的原则：如果一个样本在特征空间中的k个最相似（即最邻近）的样本中的大多数属于某一个类别，则该样本也划分为这个类别。样本之间的相似度通常通过欧式距离来计算，但由于各变量可能有不同的数量级和离散程度，因此在计算之前需要进行标准化处理。

实验数据与库导入

本文通过使用常见的鸢尾花（Iris）数据集来展示KNN算法的实现过程。首先导入必要的库：

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import preprocessing
import matplotlib.pyplot as plt
import pandas as pd

数据处理

接着，文中提供了数据的导入及其标准化处理的代码。数据被读取并分为特征X和标签y，之后使用MinMaxScaler进行标准化。

df = pd.read_csv('iris.csv', encoding = "gbk")
X = df.drop(columns='种类')
y = df['种类']
minmax = preprocessing.MinMaxScaler()
Xn = minmax.fit_transform(X)

K值选择与模型训练

文章接下来介绍了如何通过设置不同的K值来训练KNN模型，并使用交叉验证来评估其准确性。通过循环尝试不同的K值（从1到19），并记录每个K值下模型的平均准确率。

X_train, X_test, y_train, y_test = train_test_split(Xn, y, test_size=0.2, random_state=3)
dd = []
for k in range(1, 20):
    knn = KNeighborsClassifier(n_neighbors=k)
    knn.fit(X_train, y_train)
    scores = cross_val_score(knn, X_train, y_train, cv=3, scoring='accuracy')
    mm = round(scores.mean(), 3)
    dd.append(scores.mean())

通过分析这些准确率的图表，文中得出结论，在本例中k取12是最优的选择。

完整代码与模型训练

最后，提供了完整的代码，包括数据准备、模型训练和评估过程，以及使用图表来确定最佳的K值。通过最终的评估，模型在测试数据上的准确率被计算并四舍五入到三位小数。

# 完整代码示例
knnbest = KNeighborsClassifier(n_neighbors=12)
knnbest.fit(train_X, train_y)
round(knnbest.score(test_X, test_y), 3)

文章强调了KNN模型的简单性和易理解性，并鼓励读者自行操作尝试。

测试开发之网络篇-常用服务协议

了解更多

想要了解更多内容？

查看原文：k-近邻算法介绍及实例

文章来源：

Python学习杂记

扫码关注公众号