机器学习之KNN---k最近邻算法-机器学习

KNN算法是机器学习中入门级算法，属于监督性学习算法。SupervisedLearning.

通过Plinko游戏来介绍该算法。

就是随机在上面投球，然后球进下面的哪个地方就得多少分。

然后在规定得投次数得到最高得分数，应该怎么投？

然后预测每次投能得到多少分？

首先应该通过训练数据集，看看在每个位置投得点，能得到多少分，然后预测点距离每次点得距离，然后排序，那么预测点周围出现次数最多得就是大概率得到得分数。

1，通过训练得数据集，提取特征值和标签，特征值就是距离左侧得距离。标签就是投下去得到得分数。

2，选择预测点，和K个距离近得数。计算每个点得距离。

3.排序，前K个点得出现最多次标签得就是得分得大概率值。

#KNN算法是寻找K个距离最近的邻居，然后根据已知的邻居label，出现次数最多的，推断出测试点的类别。
# polinko 模拟
import numpy as np
import collections as c

def KNN(k,predictPoint,feature,label):
    # 先求出预测点与周围点的距离，然后排序，找出距离最近的k个点，出现最多的次数，就是预测结果。
    # map内置函数(func,iterable)
    distance = list(map(lambda x: abs(200 - x), feature))
    # np.sort()是直接排序，而我们需要feature和labell联系一起
    # print(np.sort(distance))
    # 所以应该使用np.argsort()可以得到排序的后的index，可以与label关联
    sort_index = np.argsort(distance)
    # 通过切片找出K个最邻近的点
    return c.Counter(label[sort_index][:k]).most_common(1)[0][0] # 返回的是（4，2）,表示在k的最邻近元素，4出现最多次数为2


if __name__ == '__main__':
    data = np.array([
        [120, 3],
        [140, 3],
        [160, 3],
        [40, 2],
        [70, 2],
        [200, 4],
        [250, 4],
        [100, 3]
    ])
    feature = data[:,0]
    label = data[:,-1]
    k = 5
    predictPoint = 170
    print(KNN(k,predictPoint,feature,label))

　预测结果：

3　

代码中给出的数据集是随机写的，不一定准。

现在选择真实的数据集，通过numpy中loadtext()读取csv文本数据集。

np.loadtxt("data01.csv",delimiter=",")这个第一个参数文件名称,第二个delimiter是数据分割符.
然后就和后面一样，提取特征值和标签值，计算k个局里近的距离。
但是和真实的还有有差距，这个是怎么回事。
所以造成结果不正确的原因有这些：
还需要
1.调整参数，简称调参。
2.可能还有其他维度特征会影响结果，但是现在只给了一种特征值。

 缺点：对于数据量很大得训练集合，耗费内存。对硬件要求较高。