python可视化实现KNN算法
人气:0简介
这里通过python的绘图工具Matplotlib包可视化实现机器学习中的KNN算法。
需要提前安装python的Numpy和Matplotlib包。
KNN–最近邻分类算法,算法逻辑比较简单,思路如下:
1.设一待分类数据iData,先计算其到已标记数据集中每个数据的距离,例如欧拉距离sqrt((x1-x2)^2+(y1-y2)^2);
2.然后根据离iData最近的k个数据的分类,出现次数最多的类别定为iData的分类。
KNN——最近邻算法python代码
代码实现:
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt def KNNClassify(labelData,predData,k): #数据集包含分类属性 #labelData 是已经标记分类的数据集 #predData 未分类的待预测数据集 labShape = labelData.shape for i in range(predData.shape[0]): #以predData的每行数据进行遍历 iData = predData[i] iDset = np.tile(iData,(labShape[0],1)) #将iData重复,扩展成与labelData同形的矩阵 #这里用欧拉距离sqrt((x1-x2)^2+(y1-y2)^2) diff = iDset[...,:-1] - labelData[...,:-1] diff = diff**2 distance = np.sum(diff,axis=1) distance = distance ** 0.5 #开根号 sortedIND = np.argsort(distance) #排序,以序号返回。 classCount = { } for j in range(k): #计算距离最近的前k个标记数据的类别 voteLabel = labelData[sortedIND[j],-1] classCount[voteLabel] = classCount.get(voteLabel,0)+1 maxcls = max(classCount,key=classCount.get) #类别最多的,返回键名(类别名) predData[i][...,-1] = maxcls return predData
为了测试这个算法,需要现成的已分类数据集,由于手动输入很有限,数据量少,耗时。作为学习我们这里用代码模拟生成数据来进行测试。下面是生成已分类数据集的代码:
生成模拟数据的函数
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt #模拟生成分类数据 #目标是产生二维坐标中的几堆数据集,每堆为一个类 #函数逻辑: #将x轴分段,每个段设一个中心的,所有的中心点用cores存储。 #设置每个数据中心点core的类别,由中心点在一定范围内随机产生数据,并将这些数据设为和core一样的类别 #所以每类的数据会简单的被X轴的每段大致分开 def makeKNNData(colnum,clsnum,nums,cores = []): #colnum单个数据拥有特征数量(包括数据的分类); # clsnum表示共有多少种分类; # nums是一个元组,表示每个类别希望产生多少数据样本,如colnum为5,nums为[56, 69, 60, 92, 95]; #cores非必要参数,手动给出只是用于测试,cores提供每类的中心点,以中心点为依据产生该类数据。 dataSet = np.zeros((sum(nums),colnum)) #初始化数据集,用于存放随后生成的所有数据 n=0 #记录生成数据的下标 step = 20/clsnum #假定X坐标轴只显示0~20的范围,step为X轴分段后的段长 for j in range(clsnum): #循环生成各个类数据 try: core = cores[j] #如果cores没有给出则,则出错,跳至except执行 except IndexError : core = np.random.rand(1,3) #中心点为array([[x1,x2,c]]),c用于表示类别,这里产生的是1*3的二维数组 core[0][0] =j*step + core[0][0]*step #将x1限制在各段中 core[0][1] *=15 #将x2即y轴限制在0~15范围内 core[0][2] = j #设置类别 cores.append(core) for i in range(nums[j]): #按nums中指定了每类数据的数量,用循环生成。 point= core[0][:2] + np.random.rand(1,2)*step -step/2 #产生点point(x,y),x以中心点在(core_x - step/2, core_x + step/2)范围随机波动,y同理。 row = np.column_stack((point,core[0][2])) #加上类别成为一个数据 dataSet[n] = row n +=1 i +=1 j +=1 #print("print cores:",cores) return dataSet
有了数据集之后,我们可以用Matplotlib将数据可视化,以直观显示出来
数据可视化函数
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt #绘图展示数据,每类数据点以不同的颜色显示 def showFigure(dataSet,clsnum): fig = plt.figure() ax = fig.add_subplot(1,1,1) #界面只需显示一个视图 ax.set_title('KNN separable data set') #视图名称,这里简单统一定这个名称吧 plt.xlabel('X') #坐标轴名称 plt.ylabel('Y') colors = ['r','g','b','y','k'] #定义显示的颜色b为blue,k为black for i in range(clsnum): idx = np.where(dataSet[:,2] == i) #查询每类的索引号 ax.scatter(dataSet[idx,0], dataSet[idx,1], marker='o', color=colors[i%5], label=1, s=10) #在视图中的显示方式 plt.legend(loc = 'upper right') #图例显示位置 plt.show() #测试一下 #需要结合模拟生成数据的函数 classnum = 5 nums = np.random.randint(50,100,classnum) #示例 array([56, 69, 60, 92, 95]),每个数字在50~100范围内 dataSet = makeKNNData(3,classnum,nums) showFigure(dataSet,classnum)
生成的模拟数据展示结果如下:
完整代码
import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt #模拟生成分类数据 #目标是产生二维坐标中的几堆数据集,每堆为一个类 #函数逻辑: #将x轴分段,每个段设一个中心的,所有的中心点用cores存储。 #设置每个数据中心点core的类别,由中心点在一定范围内随机产生数据,并将这些数据设为和core一样的类别 #所以每类的数据会简单的被X轴的每段大致分开 def makeKNNData(colnum,clsnum,nums,cores = []): #colnum单个数据拥有特征数量(包括数据的分类); # clsnum表示共有多少种分类; # nums是一个元组,表示每个类别希望产生多少数据样本; #cores非必要参数,手动给出只是用于测试,cores提供每类的中心点,以中心点为依据产生该类数据。 dataSet = np.zeros((sum(nums),colnum)) #初始化数据集,用于存放随后生成的所有数据 n=0 #记录生成数据的下标 step = 20/clsnum #假定X坐标轴只显示0~20的范围,step为X轴分段后的段长 for j in range(clsnum): #循环生成各个类数据 try: core = cores[j] #如果cores没有给出则,则出错,跳至except执行 except IndexError : core = np.random.rand(1,3) #中心点为array([[x1,x2,c]]),c用于表示类别,这里产生的是1*3的二维数组 core[0][0] =j*step + core[0][0]*step #将x1限制在各段中 core[0][1] *=15 #将x2即y轴限制在0~15范围内 core[0][2] = j #设置类别 cores.append(core) for i in range(nums[j]): #按nums中指定了每类数据的数量,用循环生成。 point= core[0][:2] + np.random.rand(1,2)*step -step/2 #产生点point(x,y),x以中心点在(core_x - step/2, core_x + step/2)范围随机波动,y同理。 row = np.column_stack((point,core[0][2])) #加上类别成为一个数据 dataSet[n] = row n +=1 i +=1 j +=1 #print("print cores:",cores) return dataSet #绘图展示数据,每类数据点以不同的颜色显示 def showFigure(dataSet,clsnum): fig = plt.figure() ax = fig.add_subplot(1,1,1) #界面只需显示一个视图 ax.set_title('KNN separable data set') #视图名称,这里简单统一定这个名称吧 plt.xlabel('X') #坐标轴名称 plt.ylabel('Y') colors = ['r','g','b','y','k'] #定义显示的颜色b为blue,k为black for i in range(clsnum): idx = np.where(dataSet[:,2] == i) #查询每类的索引号 ax.scatter(dataSet[idx,0], dataSet[idx,1], marker='o', color=colors[i%5], label=1, s=10) #在视图中的显示方式 plt.legend(loc = 'upper right') #图例显示位置 plt.show() #分类算法: #待分类数据iData,先计算其到已标记数据集中每个数据的距离 #然后根据离iData最近的k个数据的分类,出现次数最多的类别定为iData的分类。 def KNNClassify(labelData,predData,k): #数据集包含分类属性 #labelData 是已经标记分类的数据集 #predData 待预测数据集 labShape = labelData.shape for i in range(predData.shape[0]): #以predData的每行数据进行遍历 iData = predData[i] iDset = np.tile(iData,(labShape[0],1)) #将iData重复,扩展成与labelData同形的矩阵 #这里用欧拉距离sqrt((x1-x2)^2+(y1-y2)^2) diff = iDset[...,:-1] - labelData[...,:-1] diff = diff**2 distance = np.sum(diff,axis=1) distance = distance ** 0.5 #开根号 sortedIND = np.argsort(distance) #排序,以序号返回。 classCount = { } for j in range(k): #计算距离最近的前k个标记数据的类别 voteLabel = labelData[sortedIND[j],-1] classCount[voteLabel] = classCount.get(voteLabel,0)+1 maxcls = max(classCount,key=classCount.get) #类别最多的,返回键名(类别名) predData[i][...,-1] = maxcls return predData #测试 labNums = np.random.randint(50,200,classnum) predNums = np.random.randint(10,80,classnum) #cores = [np.array([[ 0.08321641, 12.22596938, 0. ]]), np.array([[9.99891798, 4.24009775, 1. ]]), np.array([[14.98097374, 9.80120399, 2. ]])] labelData = makeKNNData(3,classnum,labNums) showFigure(labelData,classnum) predData = makeKNNData(3,classnum,predNums) #这里为了方便,不在写产生待分类数据的代码,只需用之前的函数并忽略其类别就好。 predData[...,-1]=0 showFigure(predData,classnum) k = 10 KNNData = KNNClassify(labelData,predData,k) showFigure(KNNData,classnum)
运行程序,结果如下:
1.labelData的数据(已知分类的数据)
2.predData的数据(未标记的数据)
3KNNData的数据(用KNN算法进行分类后的数据)
您可能感兴趣的文章:
加载全部内容