机器学习算法_knn(福利)

这两天翻了一下机器学习实战这本书，算法是不错，只是代码不够友好，作者是个搞算法的，这点从代码上就能看出来。可是有些地方使用numpy搞数组，搞矩阵，总是感觉怪怪的，一个是需要使用三方包numpy，虽然这个包基本可以说必备了，可是对于一些新手，连pip都用不好，装的numpy也是各种问题，所以说能不用还是尽量不用，第二个就是毕竟是数据，代码样例里面写的只有几个case，可是实际应用起来，一定是要上数据库的，如果是array是不适合从数据库中读写数据的。因此综合以上两点，我就把这段代码改成list形式了，当然，也可能有人会说我对numpy很熟悉啊，而且作为专业的数学包，矩阵的运算方面也很方便，我不否定，那我这段代码恐怕对你不适合，你可以参考书上的代码，直接照打并理解就好了。

knn，不多说了，网上书上讲这个的一大堆，简单说就是利用新样本new_case的各维度的数值与已有old_case各维度数值的欧式距离计算

欧式距离这里也不说了，有兴趣可以去翻我那篇python_距离测量，里面写的很详细，并用符号展示说明，你也可以改成棋盘距离或街区距离试试，速度可能会比欧式距离快，但还是安利欧式距离。

有一点没搞明白的就是，对坐标进行精度化计算这块，实测后确定使用直接计算无论是错误率还是精度，处理前都要比处理后更准确，可能原代码使用小数点的概率更高些吧，也许这个计算对于小数计算精度更有帮助

闲话一些，不多也不少，下面上代码，代码中配有伪代码，方便阅读，如果还看不太明白可以留言，我把详细注释加上

以下是代码中使用颜色，选用html的16进制RGB颜色，在应用时将其转换为10进制数字计算，old_case选取红色圈，new_case选取橙色圈

紫色(茄子颜色)

绿色(黄瓜颜色)

黄色(香蕉颜色)

淡绿(西葫芦颜色)

代码见下

#!/usr/bin//python
# coding: utf-8

'''
1、获取key和coord_values，样例使用的是list，但是如果真正用在训练上的话list就不适合了，建议改为使用数据库进行读取
2、对坐标进行精度化计算，这个其实我没理解是为什么，可能为了防止错误匹配吧，书上是这样写的
3、指定两个参数，参数一是新加入case的坐标，参数二是需要匹配距离最近的周边点的个数n，这里赢指定单数
4、距离计算，使用欧式距离
  新加入case的坐标与每一个已有坐标计算，这里还有优化空间，以后更新
  计算好的距离与key做成新的key-value
  依据距离排序
  取前n个case
5、取得key
  对前n个case的key进行统计
  取统计量结果最多的key即是新加入case所对应的分组
6、将新加入的values与分组写成key-value加入已有的key-value列队
输入新的case坐标，返回第一步......递归
'''

import operator

def create_case_list():
  # 1代表黄瓜，2代表香蕉，3代表茄子，4代表西葫芦
  case_list = [[25,3,73732],[27.5,8,127492],[13,6,127492],[16,13,50331049],[17,4,18874516],[22,8,13762774],[14,1,30473482],[18,3,38338108]]
  case_type = [1,1,2,2,3,3,4,4]
  return case_list,case_type

def knn_fun(user_coord,case_coord_list,case_type,take_num):
  case_len = len(case_coord_list)
  coord_len = len(user_coord)
  eu_distance = []
  for coord in case_coord_list:
    coord_range = [(user_coord[i] - coord[i]) ** 2 for i in range(coord_len)]
    coord_range = sum(coord_range) ** 0.5
    eu_distance.append(coord_range)
  merage_distance_and_type = zip(eu_distance,case_type)
  merage_distance_and_type.sort()
  type_list = [merage_distance_and_type[i][1] for i in range(take_num)]
  class_count = {}
  for type_case in type_list:
    type_temp = {type_case:1}
    if class_count.get(type_case) == None:
      class_count.update(type_temp)
    else: class_count[type_case] += 1
  sorted_class_count = sorted(class_count.iteritems(), key = operator.itemgetter(1), reverse = True)
  return sorted_class_count[0][0]

def auto_norm(case_list):
  case_len = len(case_list[0])
  min_vals = [0] * case_len
  max_vals = [0] * case_len
  ranges = [0] * case_len
  for i in range(case_len):
    min_list = [case[i] for case in case_list]
    min_vals[i] = min(min_list)
    max_vals[i] = max([case[i] for case in case_list])
    ranges[i] = max_vals[i] - min_vals[i]
  norm_data_list = []
  for case in case_list:
    norm_data_list.append([(case[i] - min_vals[i])/ranges[i] for i in range(case_len)])
  return norm_data_list,ranges,min_vals

def main():
  result_list = ['黄瓜','香蕉','茄子','西葫芦']
  dimension1 = float(input('长度是: '))
  dimension2 = float(input('弯曲度是: '))
  dimension3 = float(input('颜色是: '))
  case_list,type_list = create_case_list()
  #norm_data_list,ranges,min_vals = auto_norm(case_list)
  in_coord = [dimension1,dimension2,dimension3]
  #in_coord_len = len(in_coord)
  #in_coord = [in_coord[i]/ranges[i] for i in range(in_coord_len)]
  #class_sel_result = knn_fun(in_coord,norm_data_list,type_list,3)
  class_sel_result = knn_fun(in_coord,case_list,type_list,3)
  class_sel_result = class_sel_result - 1
  return result_list[class_sel_result]

if __name__ == '__main__':
  a = main()
  print '这货是: %s' %a

测试结果，效果还不赖