K 近邻算法 (KNN) 代码示例——Scikit Learn 实例演示

/ Machine Learning / 没有评论 / 405浏览

Scikit Learn 演示

导入数据

from sklearn import neighbors
from sklearn import datasets
knn = neighbors.KNeighborsClassifier()
iris = datasets.load_iris()

训练模型

knn.fit(iris.data, iris.target)

模型预测

predictedLabel = knn.predict([[0.1, 0.2, 0.3, 0.4]])
print(predictedLabel)
[0]

自定义代码实现

import csv
import random
import math
import operator

def loadDataset(filename, split, trainingSet=[] , testSet=[]):
    with open(filename, 'r') as csvfile:
        lines = csv.reader(csvfile)
        dataset = list(lines)
        for x in range(1,len(dataset)-1):
            for y in range(4):
                dataset[x][y] = float(dataset[x][y])
            if random.random() < split:
                trainingSet.append(dataset[x])
            else:
                testSet.append(dataset[x])


def euclideanDistance(instance1, instance2, length):
    distance = 0
    for x in range(length):
        distance += pow((instance1[x] - instance2[x]), 2)
    return math.sqrt(distance)

def getNeighbors(trainingSet, testInstance, k):
    distances = []
    length = len(testInstance)-1
    for x in range(len(trainingSet)):
        dist = euclideanDistance(testInstance, trainingSet[x], length)
        distances.append((trainingSet[x], dist))
    distances.sort(key=operator.itemgetter(1))
    neighbors = []
    for x in range(k):
        neighbors.append(distances[x][0])
    return neighbors

def getResponse(neighbors):
    classVotes = {}
    for x in range(len(neighbors)):
        response = neighbors[x][-1]
        if response in classVotes:
            classVotes[response] += 1
        else:
            classVotes[response] = 1
    sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True)
    return sortedVotes[0][0]

def getAccuracy(testSet, predictions):
    correct = 0
    for x in range(len(testSet)):
        if testSet[x][-1] == predictions[x]:
            correct += 1
    return (correct/float(len(testSet))) * 100.0
    
def main():
    # prepare data
    trainingSet=[]
    testSet=[]
    split = 0.67
    loadDataset(r'./iris.data.txt', split, trainingSet, testSet)
    print ('Train set: ' + repr(len(trainingSet)))
    print ('Test set: ' + repr(len(testSet)))
    # generate predictions
    predictions=[]
    k = 3
    for x in range(len(testSet)):
        neighbors = getNeighbors(trainingSet, testSet[x], k)
        result = getResponse(neighbors)
        predictions.append(result)
        print('> predicted=' + repr(result) + ', actual=' + repr(testSet[x][-1]))
    accuracy = getAccuracy(testSet, predictions)
    print('Accuracy: ' + repr(accuracy) + '%')
    
main()
    Train set: 95
    Test set: 54
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-setosa', actual='Iris-setosa'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-virginica', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-versicolor', actual='Iris-versicolor'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-versicolor', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    > predicted='Iris-virginica', actual='Iris-virginica'
    Accuracy: 96.29629629629629%