原生python實現(xiàn)knn分類算法
一、題目要求
用原生Python實現(xiàn)knn分類算法。
二、題目分析
數(shù)據(jù)來源：鳶尾花數(shù)據(jù)集（見附錄Iris.txt）
數(shù)據(jù)集包含150個數(shù)據(jù)集，分為3類，分別是：Iris Setosa（山鳶尾）、Iris Versicolour（雜色鳶尾）和Iris Virginica（維吉尼亞鳶尾）。每類有50個數(shù)據(jù)，每個數(shù)據(jù)包含四個屬性，分別是：Sepal.Length（花萼長度）、Sepal.Width（花萼寬度）、Petal.Length（花瓣長度）和Petal.Width（花瓣寬度）。
將得到的數(shù)據(jù)集按照7:3的比例劃分，其中7為訓(xùn)練集，3為測試集。編寫算法實現(xiàn)：學(xué)習(xí)訓(xùn)練集的數(shù)據(jù)特征來預(yù)測測試集鳶尾花的種類，并且計算出預(yù)測的準(zhǔn)確性。
KNN是通過測量不同特征值之間的距離進(jìn)行分類。它的思路是：如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別，其中K通常是不大于20的整數(shù)。KNN算法中，所選擇的鄰居都是已經(jīng)正確分類的對象。該方法在定類決策上只依據(jù)最鄰近的一個或者幾個樣本的類別來決定待分樣本所屬的類別。
三、算法設(shè)計
1）將文本文件按行分割，寫入列表datas中
def data_read(filepath): # 讀取txt文件，將讀出的內(nèi)容存入datas列表中
fp = open(filepath, "r")
datas = [] # 存儲處理后的數(shù)據(jù)
lines = fp.readlines() # 讀取整個文件數(shù)據(jù)
for line in lines:
row = line.strip('\n').split(',') # 去除兩頭的換行符，按空格分割
datas.append(row)
fp.close()
return datas
2）劃分?jǐn)?shù)據(jù)集與測試集，將數(shù)據(jù)集的數(shù)據(jù)存入labeldata_list列表，標(biāo)簽存入label_list列表，測試集數(shù)據(jù)存入text_list列表，標(biāo)簽存入textlabel_list列表。
3）對得到的兩個數(shù)據(jù)集的數(shù)據(jù)和標(biāo)簽列表進(jìn)行處理。將labeldata_list列表數(shù)據(jù)轉(zhuǎn)換為元組labeldata_tuple，構(gòu)造形入{labeldata_tuple: label_list}的字典mydict。這樣不僅可以去掉重復(fù)數(shù)據(jù)，而且可唯一的標(biāo)識各個數(shù)據(jù)所對應(yīng)的鳶尾花種類。
for i in range(0, 105): # 數(shù)據(jù)集按照3:7的比例劃分，其中105行為訓(xùn)練集，45行為測試集
labeldata_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
label_list.append(datas[i][4])
for i in range(105, 150): # 測試集的數(shù)據(jù)
text_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
textlabel_list.append(datas[i][4])
j = 0
for i in labeldata_list:
labeldata_tuple = tuple(i)
mydict.update({labeldata_tuple: label_list[j]})
j = j + 1
4）計算測試集數(shù)據(jù)與各個訓(xùn)練集數(shù)據(jù)之間的距離，得到distance_list列表，外層循環(huán)進(jìn)行一次，都會有一個該測試數(shù)據(jù)所對應(yīng)的與訓(xùn)練數(shù)據(jù)最短距離。標(biāo)記出該距離對應(yīng)的訓(xùn)練集，在一個近鄰的條件下，這個訓(xùn)練集的種類，就是該測試集的種類。
在計算距離時，使用絕對距離來計算。將每個訓(xùn)練集對應(yīng)數(shù)據(jù)的屬性值相減后求和add，得到一個測試數(shù)據(jù)與每個樣本的距離，add的最小值就是距離最小值。
for i in range(len(text_list)):
count += 1
for j in range(len(train_list)):
add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
- float(text_list[i][1])) + abs(
float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
- float(text_list[i][3]))
distance_list.append(add1)
if add > add1:
add = add1
index = train_list[j]
print("預(yù)測", text_list[i], "的標(biāo)簽是：", mydict.get(index))
5）判斷預(yù)測結(jié)果的準(zhǔn)確性：將預(yù)測的測試數(shù)據(jù)種類與原始數(shù)據(jù)對比，若相同，則分子加一。
right = 0 # 分子
count = 0 # 分母
for i in range(len(text_list)):
count += 1
for j in range(len(train_list)):
add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
- float(text_list[i][1])) + abs(
float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
- float(text_list[i][3]))
distance_list.append(add1)
if add > add1:
add = add1
index = train_list[j]
print("預(yù)測", text_list[i], "的標(biāo)簽是：", mydict.get(index))
if mydict.get(index) == textlabel_list[i]: # 當(dāng)計算出來的1個近鄰與測試集正確的標(biāo)簽相同時，分子加一
right = right + 1
print('預(yù)測準(zhǔn)確性：{:.2f}'.format(right / count))
6）舉例，繪圖
以測試集7.6,3.0,6.6,2.1,Iris-virginica為例：
首先運(yùn)用anaconda繪制出數(shù)據(jù)集的散點圖，其次，將需要測試的數(shù)據(jù)于數(shù)據(jù)集繪制在同一張圖上，在一個近鄰的前提下，距離測試數(shù)據(jù)最近的點的標(biāo)簽即為測試數(shù)據(jù)的的標(biāo)簽。如下圖，黑色的測試點距離紅點最近，所以，測試數(shù)據(jù)的標(biāo)簽就為virginica。
import matplotlib.pyplot as plt import numpy as np from sklearn.datasets import load_iris #導(dǎo)入數(shù)據(jù)集iris #載入數(shù)據(jù)集 iris = load_iris() #獲取花卉兩列數(shù)據(jù)集 DD = iris.data X = [x[0] for x in DD] Y = [x[1] for x in DD] #plt.scatter(7.6,3.0, color='black', marker='o') plt.scatter(X[:50], Y[:50], color='red', marker='o', label='setosa') #前50個樣本 plt.scatter(X[50:100], Y[50:100], color='blue', marker='x', label='versicolor') #中間50個 plt.scatter(X[100:], Y[100:],color='green', marker='+', label='Virginica') #后50個樣本 plt.legend(loc=2) #左上角 plt.show()
算法數(shù)據(jù)流圖：
計算各個測試數(shù)據(jù)與訓(xùn)練集間距離詳細(xì)流程圖：
五、測試
導(dǎo)入數(shù)據(jù)集
劃分?jǐn)?shù)據(jù)集
訓(xùn)練集：
測試集：
對得到的兩個數(shù)據(jù)集的數(shù)據(jù)和標(biāo)簽列表進(jìn)行處理
計算測試集數(shù)據(jù)與各個訓(xùn)練集數(shù)據(jù)之間的距離
判斷預(yù)測結(jié)果的準(zhǔn)確性
繪圖舉例
五、運(yùn)行結(jié)果
1.對測試集所有數(shù)據(jù)進(jìn)行預(yù)測，得到預(yù)測測試集的標(biāo)簽與預(yù)測準(zhǔn)確性
繪出散點圖：7.6,3.0,6.6,2.1,Iris-virginica作為測試集的舉例
六、總結(jié)
學(xué)習(xí)了關(guān)于繪圖的函數(shù)與庫
發(fā)現(xiàn)在繪圖方面anaconde比pycharm要方便的多
對向量之間的距離公式進(jìn)行了復(fù)習(xí)
除了這次作業(yè)中使用到的絕對距離之外，還有：
a)歐氏距離
兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的歐氏距離：
b)曼哈頓距離
兩個n維向量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的曼哈頓距離
c)閔可夫斯基距離
兩個n維變量a(x11,x12,…,x1n)與 b(x21,x22,…,x2n)間的閔可夫斯基距離定義為：
對文件的讀操作進(jìn)行使用
算法缺點：用了許多for循環(huán)，會降低效率，增加算法的時間復(fù)雜度；只是一個近鄰的判斷依據(jù)
七、源代碼
def data_read(filepath): # 讀取txt文件，將讀出的內(nèi)容存入datas列表中
fp = open(filepath, "r")
datas = [] # 存儲處理后的數(shù)據(jù)
lines = fp.readlines() # 讀取整個文件數(shù)據(jù)
for line in lines:
row = line.strip('\n').split(',') # 去除兩頭的換行符，按空格分割
datas.append(row)
fp.close()
return datas
datas = data_read("iris .txt")
labeldata_list = [] # 訓(xùn)練集的數(shù)據(jù)
label_list = [] # 訓(xùn)練集的標(biāo)簽
text_list = [] # 測試集數(shù)據(jù)
textlabel_list = [] # 測試集標(biāo)簽
labeldata_tuple = () # 轉(zhuǎn)換列表為元組
mydict = {} # 以四維數(shù)據(jù)為鍵，以鳶尾花的特征為值。這樣便可唯一標(biāo)識
'''
劃分?jǐn)?shù)據(jù)集與測試集，將數(shù)據(jù)集的數(shù)據(jù)存入labeldata_list列表，標(biāo)簽存入label_list列表，
測試集數(shù)據(jù)存入text_list列表，標(biāo)簽存入textlabel_list列表。
'''
for i in range(0, 105): # 數(shù)據(jù)集按照3:7的比例劃分，其中105行為訓(xùn)練集，45行為測試集
labeldata_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
label_list.append(datas[i][4])
for i in range(105, 150): # 測試集的數(shù)據(jù)
text_list.append([datas[i][0], datas[i][1], datas[i][2], datas[i][3]])
textlabel_list.append(datas[i][4])
j = 0
for i in labeldata_list:
labeldata_tuple = tuple(i)
mydict.update({labeldata_tuple: label_list[j]})
j = j + 1
add = 100
index = 0
distance_list = []
train_list = []
for key, value in mydict.items():
train_list.append(key)
right = 0 # 分子
count = 0 # 分母
'''
在計算距離時，使用絕對距離來計算。
將每個訓(xùn)練集對應(yīng)數(shù)據(jù)的屬性值相減后求和add，
得到一個測試數(shù)據(jù)與每個樣本的距離，add的最小值就是距離最小值。
'''
for i in range(len(text_list)):
count += 1
for j in range(len(train_list)):
add1 = abs(float(train_list[j][0]) - float(text_list[i][0])) + abs(float(train_list[j][1])
- float(text_list[i][1])) + abs(
float(train_list[j][2]) - float(text_list[i][2])) + abs(float(train_list[j][3])
- float(text_list[i][3]))
distance_list.append(add1)
if add > add1:
add = add1
index = train_list[j]
print("預(yù)測", text_list[i], "的標(biāo)簽是：", mydict.get(index))
if mydict.get(index) == textlabel_list[i]: # 當(dāng)計算出來的1個近鄰與測試集正確的標(biāo)簽相同時，分子加一
right = right + 1
print('預(yù)測準(zhǔn)確性：{:.2f}'.format(right / count))
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Python企業(yè)編碼生成系統(tǒng)之系統(tǒng)主要函數(shù)設(shè)計詳解
這篇文章主要介紹了Python企業(yè)編碼生成系統(tǒng)之系統(tǒng)主要函數(shù)設(shè)計,涉及目錄操作、文件讀寫、驗證判斷、編碼輸出等功能實現(xiàn)技巧,需要的朋友可以參考下2019-07-07
經(jīng)常存在在我們的電腦中的垃圾文件主要是指系統(tǒng)在運(yùn)行過程中產(chǎn)生的tmp臨時文件、日志文件、臨時備份文件等。本文將利用Python實現(xiàn)自動清理這些垃圾文件，需要的可以參考一下2022-03-03
Frozensets提供了一種創(chuàng)建不可變的集合的方法，它們只接受唯一的元素，并且是可散列類型的對象，所以它們可以在其他只接受可散列對象作為子對象的?Python?對象中使用，這篇文章主要介紹了如何在Python中使用Frozenset對象,需要的朋友可以參考下2022-08-08
本篇文章給大家詳細(xì)分析了python中重要的asyncio模塊相關(guān)知識點，有興趣的朋友可以學(xué)習(xí)參考下。2018-03-03
為了實現(xiàn)可維護(hù)性,我們的Python函數(shù)應(yīng)該：小型、只做一項任務(wù)；沒有重復(fù)；有一個層次的抽象性；有一個描述性的名字和有少于四個參數(shù),下面我們就來看看這6個特性的實踐吧2023-08-08
這篇文章主要為大家介紹了python Dejavu庫快速識別音頻指紋實例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01
基于Python實現(xiàn)的影視數(shù)據(jù)智能分析系統(tǒng)
數(shù)據(jù)分析與可視化是當(dāng)今數(shù)據(jù)分析的發(fā)展方向,大數(shù)據(jù)時代,數(shù)據(jù)資源具有海量特征,數(shù)據(jù)分析和可視化主要通過Python數(shù)據(jù)分析來實現(xiàn),本文給大家介紹了如何基于Python實現(xiàn)的影視數(shù)據(jù)智能分析系統(tǒng),文中給出了部分詳細(xì)代碼,感興趣的朋友跟著小編一起來看看吧2024-01-01
大家好，本篇文章主要講的是python中start和run方法的區(qū)別，感興趣的同學(xué)趕快來看一看吧，對你有幫助的話記得收藏一下2022-02-02
這篇文章主要給大家介紹了關(guān)于Python處理日期方法詳細(xì)大全,文中共介紹了30種方法,Python程序能用很多方式處理日期和時間,轉(zhuǎn)換日期格式是一個常見的功能,Python提供了一個time和calendar模塊可以用于格式化日期和時間,需要的朋友可以參考下2023-12-12
本文給大家匯總介紹下使用Python實現(xiàn)身份證號碼驗證解析的幾個方法，有需要的小伙伴可以參考下。2015-09-09