标签:view spec known UNC mat str 编程 测试 item
看了原理,总觉得需要用具体问题实现一下机器学习算法的模型,才算学习深刻。而写此博文的目的是,网上关于K-NN解决此问题的博文很多,但大都是调用Python高级库实现,尤其不利于初级学习者本人对模型的理解和工程实践能力的提升,也不利于Python初学者实现该模型。
本博文的特点:
一 全面性地总结K-NN模型的特征、用途
二 基于Python的内置模块,不调用任何第三方库实现
博文主要分为三部分:
基本模型(便于理清概念、回顾模型)
对待解决问题的重述
模型(算法)和评价(一来,以便了解模型特点,为以后举一反三地应用作铺垫;二来,有利于以后快速复习)、
编程实现(Code)。
特别声明:
1.劳动成果,未经同意博主(千千寰宇:http://cnblogs.com/johnnyzen),不得以任何形式转载、复制。
2.如有纰漏或者其他看法,欢迎共同探讨~
零 基本模型
(本部分内容,均来源于引用[1],其原理讲解十分通俗易懂)
①K-近邻算法,即K-Nearest Neighbor algorithm,简称K-NN算法。单从名字来猜想,可以简单粗暴的认为是:K个最近的邻居,当K=1时,算法便成了最近邻算法,即寻找最近的那个邻居。
②所谓K-NN算法,即是给定一个训练数据集,对新的输入实例,在训练数据集中找到与该实例最邻近的K个实例(也就是K个邻居), 这K个实例的多数属于某个类,就把该输入实例分类到这个类中。
③实例
猜猜看:有一个未知形状(绿色圆点),如何判断其是什么形状?
问题:给这个绿色的圆分类?
对噪声数据过于敏感。为了解决这个问题,我们可以把位置样本周边的多个最近样本计算在内,扩大参与决策的样本量,以避免个别数据直接决定决策结果。
有两类不同的样本数据,分别用蓝色的小正方形和红色的小三角形表示,而图正中间的那个绿色的圆所标示的数据则是待分类的数据。
如果K=3,判定绿色的这个待分类点属于红色的三角形一类。
如果K=5,判定绿色的这个待分类点属于蓝色的正方形一类。
一 问题
题目:ML之k-NN:k-NN实现对150朵共三种花的实例的萼片长度、宽,花瓣长、宽数据统计,根据一朵新花的四个特征来预测其种类
数据源:https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data
数据源说明:https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.names
二 解决过程及模型评价
由于前面第二部分已经详细叙述,且代码中注释已经十分详细,便不在对代码进行解释,阅读注释便容易懂。
__init__.py
import random; import math; import Iris; # 自定义 import file_handle; # 自定义 #if __name__ == ‘__main__‘: #__name__ == ‘__main__‘是Python的main函数入口 def main(print_test=False,print_samples=False): follows = []; # 样本集空间(前sampleAmount项)+测试集空间(后 sampleAll-sampleAmount项) data = ""; # 样本数据(前sampleAmount项)+测试集空间(后 sampleAll-sampleAmount项) sampleAll = 150; sampleAmount = 100; # 标记样本集数目(剩余的便作为测试集) k = 5; test_print = print_test; ########## 一 读取数据集,装载样本集 ##### 1.1 加载数据集数据 data = file_handle.read("./dataset/data.txt",1,‘r‘);#1:忽略第一行 # print(data); list = data.split(‘\n‘); i = 0; for line in list: # 如:line = "5.1,3.5,1.4,0.2,Iris-setosa" item = line.split(‘,‘);# 如:item = [5.1,3.5,1.4,0.2,Iris-setosa] label_species = item.pop();#移除最后一项:标记种类 #print("[test] item:", item,"\tlabel_species:", label_species); # test follows.append(Iris.Iris(item,label_species)); #print("[ ",i," ] ",follows[i].toString()); i += 1; pass; random.shuffle(follows); # 【千万注意!!!】由于原数据集是有序的,如果不做乱序处理,预测结果会及其不理想(准确率,趋近于0),当然,这也是这一模型的缺陷之一 ##### 1.2 选择前100项 作为已标记样本集 #i = 0; #for i in range(sampleAmount): # follows[i].setPredictSpecies(follows[i].label_species); # pass; ########## 二 训练测试样本 ##### 2.1 对101 - 150 项的测试集进行训练/预测 ## 算法描述: ## 遍历测试样本 ## 计算测试样本与已标记的样本的欧式距离 ## 对各欧式距离升序排序 ## 选择前K项的已样本作为一子集( 即 选择最近的K项邻居作为参照标准) ## 遍历统计,已标记子集的花朵种类何种花朵数目种类最多 ## 设置当前测试样本的预测花朵种类为该种 ## 结束。 ## 注释:花的种类分别为:Iris-setosa、Iris-versicolor、Iris-virginica;共计3种。 offset = 0; # 测试空间偏移量:目的是为了将通过偏移量,增大原已标记样本空间的样本数量 即 使已预测的测试样本加入参照样本空间。 for x in range(sampleAmount,sampleAll):# x:测试样本下标 weights = [];# 对各欧式距离(权值)的升序排序列表 for y in range(0,sampleAmount+offset): result = (math.sqrt( + math.pow(follows[y].features[0] - follows[x].features[0],2) + math.pow(follows[y].features[1] - follows[x].features[1],2) + math.pow(follows[y].features[2] - follows[x].features[2],2) + math.pow(follows[y].features[3] - follows[x].features[3],2)), y);# 存储x,方便排序后定位花朵 #print("[test] weights[x]:", result); weights.append(result); pass; weights.sort(key = lambda item:item[0]); # 以各元组内第一首项[欧氏距离]为键,默认升序排序 if test_print: for m in range(len(weights)): # 输出预测权重 print("[test] weights[",m,"]:",weights[m],"\tweights[",m,"][1] > ",weights[m][1],":",follows[weights[m][1]].toString()); kinds_count = {"Iris-setosa":0,"Iris-versicolor":0,"Iris-virginica":0}; # 对已标记样本空间中各种花的数目统计作初始化 for z in range(0,k): # 选择前K项的已样本作为一子集( 即 选择最近的K项邻居作为参照标准) if test_print: print("[test] 排名前",z+1,"项 follows[",z,"]:",follows[weights[z][1]].toString()); label_species = follows[weights[z][1]].label_species; if(label_species == ‘Iris-setosa‘): kinds_count["Iris-setosa"] += 1; elif label_species == ‘Iris-versicolor‘: kinds_count["Iris-versicolor"] += 1; elif label_species == ‘Iris-virginica‘: kinds_count[‘Iris-virginica‘] += 1; else: print("[ERROR:Unknown Species] follows[",weight[z][1],"]:",follows[weight[z][1]]); pass; result = max(kinds_count.items(), key = lambda item:item[1]); # 取统计花类数字典中最大值对应的序列 follows[x].predict_species = result[0]; # 标记预测种类 if test_print: print("[test] 预测结果",result, " [follows[",x,"].predict_species]:", follows[x].predict_species); # test offset += 1; #for test in range(len(weights)): # 测试-输出距离权值结果 # print("[",test,"] weights:",weights[test][0],"\t",follows[weights[test][1]].toString()); # pass; pass; ########## 三 计算预测准确率 rate = 0.0; i = 0; for i in range(sampleAmount,len(follows)): if(follows[i].label_species == follows[i].predict_species): rate += 1; else: print("[预测错误样本] follow[",i,"]:",follows[i].toString()); pass; pass; rate = rate / (sampleAll - sampleAmount); print("预测准确率:",rate); if print_samples: for i in range(0,len(follows)): print(follows[i].toString()); pass; pass; main(False,True);
Iris.py
‘Iris module [class] ‘ __author__ = ‘Johnny Zen‘ class Iris: """ Iris花(类) [Demo] iris = Iris([5.1,3.5,1.4,0.2],"Iris-setosa"); print(iris.toString()); iris.setPredictSpecies(‘Iris-setosa‘); print(iris.toString()); print(iris.label_species); ======================= [features][5.1, 3.5, 1.4, 0.2] [label-species]Iris-setosa [predict-species]None [features][5.1, 3.5, 1.4, 0.2] [label-species]Iris-setosa [predict-species]Iris-setosa Iris-setosa """ features = []; label_species = None; # 标记种类 predict_species = None; # 预测种类 def __init__(self,features,label_species=None): if type(features).__name__ == ‘list‘: self.features = features; else: self.features = list(features); # 此list方法对list对象执行将产生错误 pass; for x in range(len(self.features)): # 列表内元素字符串转实数 self.features[x] = float(self.features[x]); self.label_species = label_species; pass; def setPredictSpecies(self,predict_species=None):#设置预测种类 self.predict_species = predict_species; pass; def toString(self):#与一般函数定义不同,类方法必须包含参数 self[第一个参数] return "[features]" + str(self.features) + "\t[label]" + str(self.label_species + "\t[predict]" + str(self.predict_species)); pass; pass;
file_handle.py
"file_handle module [function]:read(filepath,ignore=0,mode=‘r‘)" def read(filepath,ignore=0,mode=‘r‘): try: file = open(filepath,mode); ## file_content = file.read(); file_content = ‘‘; i = 0; for i in range(0,ignore): file.readline(); ##print(i); ##print(file.readline()); for line in file.readlines(): file_content += line; finally: if file: file.close(); #print(file_content); return file_content; pass;
四 参考文献
[1] K-NN和K-Means算法:https://wenku.baidu.com/view/9544b6ea5a8102d276a22ffe.html
基于K-Nearest Neighbors[K-NN]算法的鸢尾花分类问题解决方案(For Python)
标签:view spec known UNC mat str 编程 测试 item
原文地址:https://www.cnblogs.com/johnnyzen/p/9625535.html