什么是 kNN 算法?
学习 machine learning 的最低要求是什么? 我发觉要求可以很低,甚至初中程度已经可以。 首先要学习一点 Python 编程,譬如这两本小孩子用的书:【1】【2】便可。 数学方面,只需要知道「两点间距离」的公式(中学的座标几何会读到)。
这本书第二章介绍 kNN 算法,包括 Python 程序:
其他章节的数学要求可能不同,但我目的是想说明,很多实用的人工智能的原理,其实也很简单的。
kNN 是什么? For example:
开始时,所有 data points 的 labels (颜色)已经是知道的。
kNN 要解决的问题是: 图中那「?」点的 label 应该是什么颜色?
用肉眼直观来看,那「?」的位置,是在蓝色点密集的区域,所以最「贴切」的标签应该是蓝色。
kNN 的算法就是:
- 在已知的 data points 中,逐一点检视(把這每一點叫作 P):
- 首先计算「?」和 P 之间的距离
- 所有距离计算之后,将他们由小至大 sort 好
- 从 sort 好的序列,取最前的 k 个(即距离最接近「?」的 k 个点子)
- 对这 k 个点,读出他们的 label(颜色)是什么,这是问题中已经知道的
- 所有这些 labels(颜色),哪个出现最多? (亦即是说,最接近「?」的 k 个点子,它们最普遍是什么颜色?)
- 这出现次数最多的颜色,就是答案
例如,使用者要求 k = 5 时:
最接近「?」的 5 个点,就是以「?」为中心的虚线圆圈内的 5 个点。 它们的颜色顺序依次为:[ ⬤,⬤,⬤,⬤,⬤ ] 。 出现的次数是 4⬤ 1⬤ ,所以最高次数的颜色是 ⬤ 。
如何用 Python 写 kNN ?
1. 计算点与「?」之间距离
首先,回忆中学的坐标几何里,两点间距离的公式。 假设那两点是 A 和 B,它们的座标分别是 $(x_A, y_A)$ 和 $(x_B, y_B)$,则:
$$ \mbox{distance D} = \sqrt{ (x_A - x_B)^2 + (y_A - y_B)^2 } $$
注意,在这公式里,用 $x_A - x_B$ 还是 $x_B - x_A$ 是没有分别的,因为那是正数和负数的分别,而在 $()^2$ 之后便没有分别。(换句话说,计算 A,B 之间的距离,和计算 B,A 之间的距离,是一样的。)
每个点子有 3 个坐标,分别是: x = 「坐飞机旅程」、y = 「吃雪糕的量」、z = 「玩电玩时间」,而 labels 是: 「很喜欢」、「普通喜欢」、「不喜欢」。
因为坐标有 3 个,所以处理的空间是 3 度空间,但为了初学者方便,我们只考虑其中两个座标,所以局限在 2 度空间(平面上)。 如果要 generalize 到 N-度空间,那需要用到 N-度空间中 两点间距离的公式,留给读者作为练习 ☺
写程式时,首先要知道那些点子是如何储存於某个 variable 中。 在书中的 "dating" 例子里,那些点子的坐标是 datingDataMat,而 labels 是储存在 datingLabels。
(妳可以在 Python 命令行,呼叫 file2matrix 函数去准备那些点子,然后试试印出 datingDataMat 和 datingLabel 这两个 variables 的内容。 例如 datingDataMat[ : , 1 ] 可以印出所有点子的第二个坐标(即吃雪糕量)。 那「:」的意思是,不指定指标的 begin 和 end,所以是对那个指标「全取」。)
我们用比较浅显的方法重写书中的 Python 函数(書裡的程式用了 vector 和 matrix 的表示法,比較簡潔,但較難懂):
def classify1(inP, dataSet, labels, k):
N = len(dataSet)
Ds = array([0] * N)
for i in range(N):
x2 = (inP[0] - dataSet[i][0])**2
y2 = (inP[1] - dataSet[i][1])**2
D = sqrt(x2 + y2)
Ds[i] = D
第 1 句: 定义我们的 function。 inP 是 input point 的意思。
第 2 句: N 是我们 dataSet 的 size,即总共有多少点子。
第 3 句: 我们要计算距离 D,而且有 N 个这样的距离,所以要将结果储存在 array 里。 但使用 array 之前,要先定义它,并填上 0(这叫初始化,initialize)。 Ds 这名字的意思是「很多D」(如英语中的 dogs = dog 的众数)。
第 4 句是 loop: 对於每一点,我们用 i 这个 index「指着」它。 Index 是处理 array 的惯用做法,因为 array 容许妳读取任意位置的元素。
第 5、6 句: 计算 $\Delta x^2$ 和 $\Delta y^2$ 的值,注意,因为我们储存 x, y 的方法是 [x, y] 这样的 list, 所以 x 用指标 [0] 读取,y 用指标 [1] 读取。
第 7 句: 计算 $D = \sqrt{ \Delta x^2 + \Delta y^2 }$。
第 8 句: 将计算好的 D 放进 array Ds 里。
2. 将距离排序
很简单,一句:
Dsorted = Ds.sort()
注意,這些程式段落要適當地 indent 好,不然 Python 會出錯的。 这句仍屬於 classify1 函数。
3. 读出点的颜色
刚才说错了,因为 Ds 排序之后,再弄不清哪个点子对应於哪个 label,所以我们要用的是 "arg sort" (argument sort,即是用 指标 来排序)。
例如,设 a = array( [17, 38, 10, 49] ),
a.sort() 会给出 [10, 17, 38, 49],
但 a.argsort() 会给出 [2, 0, 1, 3],这些是 indices(指标)。
换句话说: argsort 的结果是 旧的 indices 的新的排法。
Python 程式:
D_sorted = Ds.argsort()
first_k = D_sorted[0:k] # 提取前 k 个元素(但這句其實不需用到)
现在要找出这 k 个点子的 labels,我们可以创造一个新的 array 储存它们:
first_k_labels = array([0]*k) # 准备空的 array
for i in range(0,k):
first_k_labels[i] = labels[ D_sorted[ i ]]
最后那句要说明一下: 如果写 labels[i] 那就是第 i 个元素的 label。 但我们要的是 排序 好之后的元素的 label,所以我们先「look up」这个 D_sorted array,找出排序后的元素的指标,再用那指标「look up」那 labels array。 (就像查字典,我们想查某个中文字的日语翻译,但我们只有汉英字典和英日字典,所以要两次 look up,出现了 array1[ array2[ i ] ] 这样的语法。 这是很常见的。)
4. 哪个颜色出现最多?
用这个 loop 计算每个 label 出现的次数:
like1 = 0 # 标签是「不喜欢这男孩」 的点的个数
like2 = 0 # 标签是「普通喜欢这男孩」的点的个数
like3 = 0 # 标签是「非常喜欢这男孩」的点的个数
for i in range(0, k):
label = first_k_labels[i]
if label == 1:
like1 += 1
elif label == 2:
like2 += 1
elif label == 3:
like3 += 1
然后,找出出现次数最多那个 label:
if like1 > like2 and like1 > like3: # 如果 like1 出现最多
best_label = 1 # 答案是「不喜欢这男孩」
elif like2 > like1 and like2 > like3: # 如果 like2 出现最多
best_label = 2 # 答案是「普通喜欢这男孩」
else: # 如果 like3 出现最多
best_label = 3 # 答案是「非常喜欢这男孩」
5. 完工!
return best_label
Testing
实际的 Python program,还要加上这几行 "header":
# -*- coding: utf-8 -*- # 加了這句可以用中文 comments from numpy import array
from math import sqrt
运行结果:
这例子里,「?」的坐标是 [4.54e+04, 4.98e+00],那是我看了数据后作出来的。 4.54e+04 是 scientific notation,即是 $4.54 \times 10^4$。
我把 k 增加到 600,才开始看到 like2 不是 0。
什么是 kNN 算法?的更多相关文章
- 【Machine Learning】KNN算法虹膜图片识别
K-近邻算法虹膜图片识别实战 作者:白宁超 2017年1月3日18:26:33 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本系列文章是作者结 ...
- KNN算法
1.算法讲解 KNN算法是一个最基本.最简单的有监督算法,基本思路就是给定一个样本,先通过距离计算,得到这个样本最近的topK个样本,然后根据这topK个样本的标签,投票决定给定样本的标签: 训练过程 ...
- kNN算法python实现和简单数字识别
kNN算法 算法优缺点: 优点:精度高.对异常值不敏感.无输入数据假定 缺点:时间复杂度和空间复杂度都很高 适用数据范围:数值型和标称型 算法的思路: KNN算法(全称K最近邻算法),算法的思想很简单 ...
- 数据挖掘之KNN算法(C#实现)
在十大经典数据挖掘算法中,KNN算法算得上是最为简单的一种.该算法是一种惰性学习法(lazy learner),与决策树.朴素贝叶斯这些急切学习法(eager learner)有所区别.惰性学习法仅仅 ...
- 机器学习笔记--KNN算法2-实战部分
本文申明:本系列的所有实验数据都是来自[美]Peter Harrington 写的<Machine Learning in Action>这本书,侵删. 一案例导入:玛利亚小姐最近寂寞了, ...
- 机器学习笔记--KNN算法1
前言 Hello ,everyone. 我是小花.大四毕业,留在学校有点事情,就在这里和大家吹吹我们的狐朋狗友算法---KNN算法,为什么叫狐朋狗友算法呢,在这里我先卖个关子,且听我慢慢道来. 一 K ...
- 学习OpenCV——KNN算法
转自:http://blog.csdn.net/lyflower/article/details/1728642 文本分类中KNN算法,该方法的思路非常简单直观:如果一个样本在特征空间中的k个最相似( ...
- KNN算法与Kd树
最近邻法和k-近邻法 下面图片中只有三种豆,有三个豆是未知的种类,如何判定他们的种类? 提供一种思路,即:未知的豆离哪种豆最近就认为未知豆和该豆是同一种类.由此,我们引出最近邻算法的定义:为了判定未知 ...
- Python 手写数字识别-knn算法应用
在上一篇博文中,我们对KNN算法思想及流程有了初步的了解,KNN是采用测量不同特征值之间的距离方法进行分类,也就是说对于每个样本数据,需要和训练集中的所有数据进行欧氏距离计算.这里简述KNN算法的特点 ...
随机推荐
- CentOS_7.2编译安装PHP_5.6.20添加扩展模块
添加ZendGuardLoader扩展: # 解压ZendGuardLoader.so到"/usr/local/php/lib/php/extensions/no-debug-non-zts ...
- PDF 补丁丁 0.5.0.2691 发布(替换字库新增字符映射功能)
新版本在替换 PDF 字体功能中增加了替换字符的功能. 某些 PDF 文档可能由于编码错误的问题,复制出来的文本是乱码. 对于这种文档,可以使用此功能将错误的编码映射到正确的字符上,从而实现修复文档的 ...
- ASP.NET MVC为字段设置多语言显示 [转]
这段时间一直在忙.NET的项目,今天就写一下关于.NET的文章吧,也很长时间没写过.NET的啦 在使用ASP.NET MVC3 的时候,使用元数据模式可以非常方便地设置每个 字段(或者说属性)以减少 ...
- Java 和 Google Chrome 浏览器
来源:https://java.com/zh_CN/download/faq/chrome.xml 本文适用于: 浏览器: Chrome Java 版本: 7.0, 8.0 Chrome 不再支持 N ...
- windows C input 注意
windows控制台输入,默认是以文本模式打开,即使重定向输入,文本模式不变,所以输入时无法读到cr,因为windows已经把crlf转换成单个lf. 如果freopen("CON" ...
- Spring Boot中的注解
文章来源:http://www.tuicool.com/articles/bQnMra 在Spring Boot中几乎可以完全弃用xml配置文件,本文的主题是分析常用的注解. Spring最开始是为了 ...
- RSA大会播报 – 2014最佳安全博客提名(国外篇)
最佳企业安全博客提名: Juniper(网络厂商,不用多介绍):http://forums.juniper.net/t5/Security-Mobility-Now/bg-p/networki ...
- Backbone的一点使用心得
Backbone的其实感觉上上手很难,大概在一年前就想实践下,结果总是没有付诸行动,这次需求中狠狠心决定一定要使用一次看看,感受下. 可是第一步真的比较困难,因为直接看API好像没有感觉就在网上找实例 ...
- html页面清除缓存
需求:页面每次打开时清除本页面的缓存. 页面打开时,由于缓存的存在,刚刚更新的数据有时无法在页面得到刷新,当这个页面作为模式窗口被打开时问题更为明显. 解决办法为: (1) 用HTML标签设置HTTP ...
- 常用OpenLDAP命令
ldappasswd -x -D "cn=Manager,dc=clouderachina,dc=com" -W "uid=mis,ou=Group,dc=clouder ...