人工智能入门 | 分类算法-KNN(原理+代码+结果)

大家好，欢迎来到IT知识分享网。

前言：Hello大家好，我是小哥谈。KNN，即K最邻近算法，是数据挖掘分类技术中比较简单的方法之一，简单来说，就是根据“最邻近”这一特征对样本进行分类。🌈

     目录

🚀1.K-means和KNN区别

🚀2.KNN的算法思想

🚀3.算法步骤

🚀4.KNN算法的优缺点

🚀5.数据集

🚀6.代码实现

🚀7.结果

🚀1.K-means和KNN区别

K-means是一种比较经典的聚类算法，本质上是无监督学习，而KNN是分类（或回归）算法，是监督学习。✅

K-means算法的训练过程需要反复迭代的操作（寻找新的质心），但是KNN不需要。K-means中的 K 代表的是簇中心，KNN的 K 代表的是选择与新测试样本距离最近的前K个训练样本数。🌳

🚀2.KNN的算法思想

KNN（k-NearestNeighbor）又被称为近邻算法，它的核心思想是：物以类聚，人以群分。✅

假设一个未知样本数据x需要归类，总共有ABC三个类别，那么离x距离最近的有k个邻居，这k个邻居里有k1个邻居属于A类，k2个邻居属于B类，k3个邻居属于C类，如果k1>k2>k3，那么x就属于A类，也就是说x的类别完全由邻居来推断出来。🌳

🚀3.算法步骤

🍀（1）计算测试对象到训练集中每个对象的距离

🍀（2）按照距离的远近排序

🍀（3）选取与当前测试对象最近的K的训练对象，作为该测试对象的邻居。

🍀（4）统计这K个邻居的类别概率

🍀（5）K个邻居里频率最高的类别，即为测试对象的类别。

🚀4.KNN算法的优缺点

优点：非常简单的分类算法没有之一，人性化，易于理解，易于实现，适合处理多分类问题，比如推荐用户。

缺点：属于懒惰算法，时间复杂度较高，因为需要计算未知样本到所有已知样本的距离，样本平衡度依赖高，当出现极端情况样本不平衡时，分类绝对会出现偏差。可解释性差，无法给出类似决策树那样的规则。向量的维度越高，欧式距离的区分能力就越弱。

🚀5.数据集

名称：Prostate_Cancer

提取链接：https://pan.baidu.com/s/1xv8r54qaLpH8RiMRkcrzyA 
提取码：66hg 

数据集展示：

🚀6.代码实现

from sklearn.neighbors import KNeighborsClassifier import numpy as np import random import pandas as pd def knn(): K = 8 data=pd.read_csv(r"C:\Users\Lenovo\Desktop\course\Prostate_Cancer.csv") n = len(data) // 3 test_set = data[0:n] train_set = data[n:] train_set = np.array(train_set) test_set = np.array(test_set) A = [i for i in range(0, len(train_set))] B = [i for i in range(2, 10)] C = [i for i in range(n)] D = [1] x_train = train_set[A] x_train = x_train[:, B] y_train = train_set[A] y_train = y_train[:, D] x_test = test_set[C] x_test = x_test[:, B] y_test = test_set[C] y_test = y_test[:, D] # 训练模型 model = KNeighborsClassifier(n_neighbors=K) model.fit(x_train, y_train) score = model.score(x_test, y_test) print("准确率为:", score) if __name__=='__main__': knn() 

🚀7.结果

当k=8时候，结果为0.57576

当k=5时候，结果为0.18182

总结：♨️♨️♨️

KNN是一种快速高效的分类算法，其逻辑简单，易于理解。但当训练数据集很大时，需要大量的存储空间，而且需要计算训练样本和测试样本的距离，计算量较大。个人认为，这是由于KNN是一种懒惰的学习法，简单的认为“物以类聚，人以群分”，但实际上，无论是人际交往还是数据事实，可能并不完全符合这个逻辑