kNN算法的DIY实现(仿照scikit-learn)

什么是kNN算法?

kNN算法, 又叫K最近邻算法, 可用于分类或者回归. 所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。

其特点是:

• 思想极度简单
• 应用数学知识几乎为零
• 效果好
• 可以解释机器学习算法使用过程中的很多细节问题
• 更完整刻画一起学习应用的流程
• 分类精度高, 对缺失值不敏感
• 懒加载, 模型复杂度高

kNN算法执行流程

1. 根据欧几里得距离公式求出样本点与所有点的距离,
2. 然后按照距离升序排序, 取出前k个点,
3. 样本点是什么类别, 那么k个点就是什么类别

kNN的实质: k个样本如果足够地相似的话, 那么他们就很有可能属于同一个类别

自己动手实现kNN算法

import numpy as np
from math import sqrt
from collections import Counter


def kNN_classify(k, X_train, y_train, x):


    assert 1 <= k <= X_train.shape[0], "k must be valid"
    assert X_train.shape[0] == y_train.shape[0], \
        "the size of X_train must equal to the size of y_train"
    assert X_train.shape[1] == x.shape[0], \
        "the feature number of x must be equal to X_train"


    distances = [sqrt(np.sum((x_train - x)**2)) for x_train in X_train]
    nearest = np.argsort(distances)


    topK_y = [y_train[i] for i in nearest[:k]]
    votes = Counter(topK_y)


    return votes.most_common(1)[0][0]