K最近邻算法

一、原理
        K最近邻算法（K-Nearest Neighbor， KNN）是最基本的分类算法，其基本原理是：从最近的K个邻居（样本）中，选择出现次数最多的类别作为判定类别。K最近邻算法可以理解为是一个分类算法，常用于标签的预测，如性别。

实现KNN算法核心的一般思路：

1. 相似度计算——计算未知样本和每个训练样本的距离；
2. 排序——按照距离的递增关系排序；
3. 统计标签——得到距离最小的前K个样本，统计K最近邻样本中每个样本出现的次数；
4. 预测标签——选择出现频率最高的类标号作为未知样本的类标号；

        K值的选择是选择统计的样本数量，K值得选择会对KNN算法产生较大得影响。

• 如果K值较小，则意味着：只有当需要进行预测的样本和训练的样本较接近时，才能有较好的效果；
• 如果K值较大，则意味着：算法分类的近似误差增大。这时，与输入样本距离较远的样本也会对结果产生作用。

在实际上，K值一般选择较小的数，也可以选择交叉验证的方法寻找最优K值。
二、实例Python实现

利用KNN算法实现性别判定：很多时候，用户在注册的时候，没有填写性别，这个时候，可以通过KNN预测。

import numpy as np
 
class KNN:
    def __init__(self, k):
        self.k = k
 
    def createData(self):
        features = np.array([[180,76],[158,43],[176,78],[161,49]])
        labels = ["男","女","男","女"]
        return features, labels
 
    def Normalization(self, data):
        # print("data:
",data)
        maxs = np.max(data, axis=0)
        # print("maxs:
",maxs)
        mins = np.min(data, axis=0)
        # print("mins
",mins)
        new_data = (data - mins) / (maxs - mins)
        # print("new_data:
",new_data)
        return new_data, maxs, mins
 
    def classify(self, one, data, labels):
        # 计算新样本与数据集每个样本之间的距离，这里采用欧式距离
        differenceData = data - one
        squareData = (differenceData ** 2).sum(axis=1)
        distance = squareData ** 0.5
        # 从小到大排序
        sortDistanceIndex = distance.argsort()
        labelCount = dict()
        for i in range(self.k):
            label = labels[sortDistanceIndex[i]]
            labelCount.setdefault(label,0)
            labelCount[label] += 1
        print("labelCount:
",labelCount)
        sortLabelCount = sorted(labelCount.items(),key=lambda x:x[1], reverse=True)
        print(sortLabelCount)
        return sortLabelCount[0][0]
 
if __name__ == '__main__':
    # 初始化类对象,前k个里面，哪个标签最多，就预计是那个
    knn = KNN(3)
    # 创建数据集
    features, labels = knn.createData()
    # 数据集标准化
    new_data, maxs, mins = knn.Normalization(features)
    # 新数据的标准化
    one = np.array([176,76])
    new_one = (one - mins) / (maxs - mins)
 
    result = knn.classify(new_one, new_data, labels)
    print("数据{}的预测性别为：{}".format(one, result))
 

运行结果：