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。惰性学习法仅仅只是简单地存储训练元组，做一些少量工作，在真正进行分类或预测的时候才开始做更多的工作。有点像是平时不努力学习功课，到了考前才开始临时抱佛脚的感觉。

KNN（k-nearest-neighbor）算法的思想是找到在输入新数据时，找到与该数据最接近的k个邻居，在这k个邻居中，找到出现次数最多的类别，对其进行归类。

距离的计算有很多种方式，最简单的就是直接计算欧式距离，但是根据不同的问题，也可以考虑选用不同的距离计算方式，如余弦距离等等。

详细内容参考：https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm

C#的代码实现如下，代码仅供演示，运行效率不高，在大数据集上需要进行更多的优化：

 using System;
 using System.Collections.Generic;
 using System.Linq;
 using MachineLearning.UtilityFunctions;
 namespace MachineLearning.Classification
 {
     public class KNN
     {
         public List<int> Labels;
         public List<double[]> Features;
         public int K;
         public KNN(int k, List<int> labels, List<double[]> features)
         {
             K = k;
             Labels = labels;
             Features = features;
         }
         public void Classify(IEnumerable<double[]> data)
         {
             int n = Labels.Count;
             foreach (var line in data)
             {
                 var dist = new Tuple<int, double>[n];
                 for (int i = ; i < n; i++)
                     dist[i] = Tuple.Create(Labels[i], Distance.Euclidean(line, Features[i]));
                 var maxLabel = dist
                     .OrderBy(i => i.Item2)
                     .Take(K).GroupBy(i => i.Item1)
                     .OrderByDescending(i => i.Count())
                     .First().Key;
                 Labels.Add(maxLabel);
                 Features.Add(line);
                 n++;
             }
         }
         public void Display()
         {
             for (int i = ; i < Labels.Count; i++)
                 Console.WriteLine("{0}: {1}", Labels[i], string.Join(",", Features[i]));
         }
     }
 }

以电影数据为例：

电影	打斗镜头	接吻镜头	电影类型
1	3	104	爱情片
2	2	100	爱情片
3	1	81	爱情片
4	101	10	动作片
5	99	5	动作片
6	98	2	动作片
7	18	90	未知

该数据有两个维度，一个是打斗镜头的次数，另一个是接吻镜头的次数，我们需要根据前6条数据来给第7部电影进行分类，判断它是爱情片还是动作片。利用KNN算法进行分类的代码如下：

 using System;
 using System.Collections.Generic;
 using System.Linq;
 using System.Text;
 using System.Threading.Tasks;
 using MachineLearning.Classification;
 namespace MachineLearning
 {
     class Program
     {
         static void Main(string[] args)
         {
             var data = new List<double[]>() {
                 new double[] {,},
                 new double[] {,},
                 new double[] {,},
                 new double[] {,},
                 new double[] {,},
                 new double[] {,},
             };
             var labels = new List<int>()
             {
                 ,,,,,
             };
             var knn = new KNN(k: , labels: labels, features: data);
             knn.Display();
             Console.WriteLine("----------------------------------------");
             knn.Classify(new double[][] { new double[] { ,  } });
             knn.Display();
             Console.ReadKey();
         }
     }
 }

其中类别0代表爱情片，类别1代表动作片。

运行结果如图所示：

可以看到，KNN分类器将第7部电影正确地归为了爱情片。

注：作者本人也在学习中，能力有限，如有错漏还请不吝指正。转载请注明作者。