码迷,mamicode.com
首页 > 编程语言 > 详细

K-最近邻算法

时间:2015-01-12 09:32:18      阅读:599      评论:0      收藏:0      [点我收藏+]

标签:算法   数据   

介绍

KNN算法全名为k-Nearest Neighbor,就是K最近邻的意思。KNN也是一种分类算法。但是与之前说的决策树分类算法相比,这个算法算是最简单的一个了。算法的主要过程为:

1、给定一个训练集数据,每个训练集数据都是已经分好类的。
2、设定一个初始的测试数据a,计算a到训练集所有数据的欧几里得距离,并排序。                       

3、选出训练集中离a距离最近的K个训练集数据。

4、比较k个训练集数据,选出里面出现最多的分类类型,此分类类型即为最终测试数据a的分类。

下面百度百科上的一张简图:

技术分享

KNN算法实现

首先测试数据需要2块,1个是训练集数据,就是已经分好类的数据,比如上图中的非绿色的点。还有一个是测试数据,就是上面的绿点,当然这里的测试数据不会是一个,而是一组。这里的数据与数据之间的距离用数据的特征向量做计算,特征向量可以是多维度的。通过计算特征向量与特征向量之间的欧几里得距离来推算相似度。定义训练集数据trainInput.txt:

a 1 2 3 4 5 
b 5 4 3 2 1 
c 3 3 3 3 3 
d -3 -3 -3 -3 -3 
a 1 2 3 4 4 
b 4 4 3 2 1 
c 3 3 3 2 4 
d 0 0 1 1 -2 
待测试数据testInput,只有特征向量值:

1 2 3 2 4 
2 3 4 2 1 
8 7 2 3 5 
-3 -2 2 4 0 
-4 -4 -4 -4 -4 
1 2 3 4 4 
4 4 3 2 1 
3 3 3 2 4 
0 0 1 1 -2 
下面是主程序:

package DataMing_KNN;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collection;
import java.util.Collections;
import java.util.Comparator;
import java.util.HashMap;
import java.util.Map;

import org.apache.activemq.filter.ComparisonExpression;

/**
 * k最近邻算法工具类
 * 
 * @author lyq
 * 
 */
public class KNNTool {
	// 为4个类别设置权重,默认权重比一致
	public int[] classWeightArray = new int[] { 1, 1, 1, 1 };
	// 测试数据地址
	private String testDataPath;
	// 训练集数据地址
	private String trainDataPath;
	// 分类的不同类型
	private ArrayList<String> classTypes;
	// 结果数据
	private ArrayList<Sample> resultSamples;
	// 训练集数据列表容器
	private ArrayList<Sample> trainSamples;
	// 训练集数据
	private String[][] trainData;
	// 测试集数据
	private String[][] testData;

	public KNNTool(String trainDataPath, String testDataPath) {
		this.trainDataPath = trainDataPath;
		this.testDataPath = testDataPath;
		readDataFormFile();
	}

	/**
	 * 从文件中阅读测试数和训练数据集
	 */
	private void readDataFormFile() {
		ArrayList<String[]> tempArray;

		tempArray = fileDataToArray(trainDataPath);
		trainData = new String[tempArray.size()][];
		tempArray.toArray(trainData);

		classTypes = new ArrayList<>();
		for (String[] s : tempArray) {
			if (!classTypes.contains(s[0])) {
				// 添加类型
				classTypes.add(s[0]);
			}
		}

		tempArray = fileDataToArray(testDataPath);
		testData = new String[tempArray.size()][];
		tempArray.toArray(testData);
	}

	/**
	 * 将文件转为列表数据输出
	 * 
	 * @param filePath
	 *            数据文件的内容
	 */
	private ArrayList<String[]> fileDataToArray(String filePath) {
		File file = new File(filePath);
		ArrayList<String[]> dataArray = new ArrayList<String[]>();

		try {
			BufferedReader in = new BufferedReader(new FileReader(file));
			String str;
			String[] tempArray;
			while ((str = in.readLine()) != null) {
				tempArray = str.split(" ");
				dataArray.add(tempArray);
			}
			in.close();
		} catch (IOException e) {
			e.getStackTrace();
		}

		return dataArray;
	}

	/**
	 * 计算样本特征向量的欧几里得距离
	 * 
	 * @param f1
	 *            待比较样本1
	 * @param f2
	 *            待比较样本2
	 * @return
	 */
	private int computeEuclideanDistance(Sample s1, Sample s2) {
		String[] f1 = s1.getFeatures();
		String[] f2 = s2.getFeatures();
		// 欧几里得距离
		int distance = 0;

		for (int i = 0; i < f1.length; i++) {
			int subF1 = Integer.parseInt(f1[i]);
			int subF2 = Integer.parseInt(f2[i]);

			distance += (subF1 - subF2) * (subF1 - subF2);
		}

		return distance;
	}

	/**
	 * 计算K最近邻
	 * @param k
	 * 在多少的k范围内
	 */
	public void knnCompute(int k) {
		String className = "";
		String[] tempF = null;
		Sample temp;
		resultSamples = new ArrayList<>();
		trainSamples = new ArrayList<>();
		// 分类类别计数
		HashMap<String, Integer> classCount;
		// 类别权重比
		HashMap<String, Integer> classWeight = new HashMap<>();
		// 首先讲测试数据转化到结果数据中
		for (String[] s : testData) {
			temp = new Sample(s);
			resultSamples.add(temp);
		}

		for (String[] s : trainData) {
			className = s[0];
			tempF = new String[s.length - 1];
			System.arraycopy(s, 1, tempF, 0, s.length - 1);
			temp = new Sample(className, tempF);
			trainSamples.add(temp);
		}

		// 离样本最近排序的的训练集数据
		ArrayList<Sample> kNNSample = new ArrayList<>();
		// 计算训练数据集中离样本数据最近的K个训练集数据
		for (Sample s : resultSamples) {
			classCount = new HashMap<>();
			int index = 0;
			for (String type : classTypes) {
				// 开始时计数为0
				classCount.put(type, 0);
				classWeight.put(type, classWeightArray[index++]);
			}
			for (Sample tS : trainSamples) {
				int dis = computeEuclideanDistance(s, tS);
				tS.setDistance(dis);
			}

			Collections.sort(trainSamples);
			kNNSample.clear();
			// 挑选出前k个数据作为分类标准
			for (int i = 0; i < trainSamples.size(); i++) {
				if (i < k) {
					kNNSample.add(trainSamples.get(i));
				} else {
					break;
				}
			}
			// 判定K个训练数据的多数的分类标准
			for (Sample s1 : kNNSample) {
				int num = classCount.get(s1.getClassName());
				// 进行分类权重的叠加,默认类别权重平等,可自行改变,近的权重大,远的权重小
				num += classWeight.get(s1.getClassName());
				classCount.put(s1.getClassName(), num);
			}

			int maxCount = 0;
			// 筛选出k个训练集数据中最多的一个分类
			for (Map.Entry entry : classCount.entrySet()) {
				if ((Integer) entry.getValue() > maxCount) {
					maxCount = (Integer) entry.getValue();
					s.setClassName((String) entry.getKey());
				}
			}

			System.out.print("测试数据特征:");
			for (String s1 : s.getFeatures()) {
				System.out.print(s1 + " ");
			}
			System.out.println("分类:" + s.getClassName());
		}
	}
}
Sample样本数据类:

package DataMing_KNN;

/**
 * 样本数据类
 * 
 * @author lyq
 * 
 */
public class Sample implements Comparable<Sample>{
	// 样本数据的分类名称
	private String className;
	// 样本数据的特征向量
	private String[] features;
	//测试样本之间的间距值,以此做排序
	private Integer distance;
	
	public Sample(String[] features){
		this.features = features;
	}
	
	public Sample(String className, String[] features){
		this.className = className;
		this.features = features;
	}

	public String getClassName() {
		return className;
	}

	public void setClassName(String className) {
		this.className = className;
	}

	public String[] getFeatures() {
		return features;
	}

	public void setFeatures(String[] features) {
		this.features = features;
	}

	public Integer getDistance() {
		return distance;
	}

	public void setDistance(int distance) {
		this.distance = distance;
	}

	@Override
	public int compareTo(Sample o) {
		// TODO Auto-generated method stub
		return this.getDistance().compareTo(o.getDistance());
	}
	
}
测试场景类:

/**
 * k最近邻算法场景类型
 * @author lyq
 *
 */
public class Client {
	public static void main(String[] args){
		String trainDataPath = "C:\\Users\\lyq\\Desktop\\icon\\trainInput.txt";
		String testDataPath = "C:\\Users\\lyq\\Desktop\\icon\\testinput.txt";
		
		KNNTool tool = new KNNTool(trainDataPath, testDataPath);
		tool.knnCompute(3);
		
	}
	


}
执行的结果为:

测试数据特征:1 2 3 2 4 分类:a
测试数据特征:2 3 4 2 1 分类:c
测试数据特征:8 7 2 3 5 分类:b
测试数据特征:-3 -2 2 4 0 分类:a
测试数据特征:-4 -4 -4 -4 -4 分类:d
测试数据特征:1 2 3 4 4 分类:a
测试数据特征:4 4 3 2 1 分类:b
测试数据特征:3 3 3 2 4 分类:c
测试数据特征:0 0 1 1 -2 分类:d

程序的输出结果如上所示,如果不相信的话可以自己动手计算进行验证。

KNN算法的注意点:

1、knn算法的训练集数据必须要相对公平,各个类型的数据数量应该是平均的,否则当A数据由1000个B数据由100个,到时无论如何A数据的样本还是占优的。

2、knn算法如果纯粹凭借分类的多少做判断,还是可以继续优化的,比如近的数据的权重可以设大,最后根据所有的类型权重和进行比较,而不是单纯的凭借数量。

3、knn算法的缺点是计算量大,这个从程序中也应该看得出来,里面每个测试数据都要计算到所有的训练集数据之间的欧式距离,时间复杂度就已经为O(n*n),如果真实数据的n非常大,这个算法的开销的确态度,所以KNN不适合大规模数据量的分类。

KNN算法编码时遇到的困难:

按理来说这么简单的KNN算法本应该是没有多少的难度,但是在多欧式距离的排序上被深深的坑了一段时间,本人起初用Collections.sort(list)的方式进行按距离排序,也把Sample类实现了Compareable接口,但是排序就是不变,最后才知道,distance的int类型要改为Integer引用类型,在compareTo重载方法中调用distance的.CompareTo()方法就成功了,这个小细节平时没注意,难道属性的比较最终一定要调用到引用类型的compareTo()方法?这个小问题竟然花费了我一段时间,最后仔细的比较了一下网上的例子最后才发现......

K-最近邻算法

标签:算法   数据   

原文地址:http://blog.csdn.net/androidlushangderen/article/details/42613011

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!