今天就跟大家聊聊有关python中怎么模拟k临近算法,可能很多人都不太了解,为了让大家更加了解,小编给大家总结了以下内容,希望大家根据这篇文章可以有所收获。
本章第一个程序是求向量的范数
import math
# combinations函数用于组合,表示从n中取出m个
# 作为对比,permutations函数用于排序,表示从n中依次取出m个
# from itertools import combinations
def L(x, y, p):
if len(x) == len(y) and len(x) > 1: # 进行计算的前提
sum = 0
for i in range(len(x)): # i表示下标
sum += math.pow(abs(x[i] - y[i]), p) # pow求幂,abs求绝对值
return math.pow(sum, 1/p)
else:
return 0
x1 = [1, 1]
x2 = [5, 1]
x3 = [4, 4]
for i in range(1, 5):
r = {"1-{}".format(c):L(x1, c, p=i) for c in [x2, x3]}
print("当前次数:{},当前r:{}".format(i, r))
print("当前最小:")
print(min(zip(r.values(), r.keys())))
输出结果:
当前次数:1,当前r:{'1-[5, 1]': 4.0, '1-[4, 4]': 6.0}
当前最小:
(4.0, '1-[5, 1]')
当前次数:2,当前r:{'1-[5, 1]': 4.0, '1-[4, 4]': 4.242640687119285}
当前最小:
(4.0, '1-[5, 1]')
当前次数:3,当前r:{'1-[5, 1]': 3.9999999999999996, '1-[4, 4]': 3.7797631496846193}
当前最小:
(3.7797631496846193, '1-[4, 4]')
当前次数:4,当前r:{'1-[5, 1]': 4.0, '1-[4, 4]': 3.5676213450081633}
当前最小:
(3.5676213450081633, '1-[4, 4]')
第二个程序,模拟k临近算法
思想:遍历所有的点,找出最近的k个点,通过多数表决,决定测试点的分类。这种方法在训练集大时非常耗时。
import numpy as np
import pandas as dp
import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split # 用于划分数据
from collections import Counter # 计数器
class KNN:
def __init__(self, X_train, y_train, n_neighbors=3, p=2): # 设置了k与p,分别表示最临近的3个点,和距离用二范数决定
self.n = n_neighbors
self.p = p
self.X_train = X_train
self.y_train = y_train
def predict(self, X):
knn_list = []
# 先求出三个点的“距离”,这里的k=3,p=2。根据需要修改
for i in range(self.n):
dist = np.linalg.norm(X - self.X_train[i], ord=self.p)
knn_list.append((dist, self.y_train[i]))
# 然后,递归遍历剩下的点,通过判断:距离 是否比 已经计算的距离 小,小就替换。最终这个列表剩下的是最临近的三个点
for i in range(self.n, len(X_train)):
max_index = knn_list.index(max(knn_list, key=lambda x:x[0]))
dist = np.linalg.norm(X - self.X_train[i], ord=self.p)
if knn_list[max_index][0] > dist:
knn_list[max_index] = (dist, self.y_train[i])
# 我们将knn_list中最后一行取出来,即取出了最临近的三个点的类别
knn = [k[-1] for k in knn_list]
# 用计数器,这一步结果应该是{"1":数量,“0”:数量 }
count_pairs = Counter(knn)
# count_pairs.items()存储的是,[类别,数量]
# 按照列表的第二维进行排序,从小到大。
# 这里排序考虑到有些数据不止两种类型。
# [-1][0]取出最后一行的第一维,即最可能的类型
max_possible = sorted(count_pairs.items(), key=lambda x:x[1])[-1][0]
return max_possible
def score(self, X_test, y_test):
right_count = 0
for X, y in zip(X_test, y_test):
label = self.predict(X)
if label == y:
right_count += 1
return right_count/len(X_test)
iris = load_iris()
df = dp.DataFrame(iris.data, columns=iris.feature_names)
df['label'] = iris.target
df.columns = ["sepal length", "sepal width", "petal length", "petal width", "label"]
data = np.array(df.iloc[:100, [0, 1, -1]])
X, y = data[:, :-1], data[:, -1]
# 将数据划分成训练集和测试集,测试集占比0.25
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
clf = KNN(X_train, y_train)
print("评分:")
print(clf.score(X_test, y_test))
test_point = [5.0, 4.0]
print('test point score:{}'.format(clf.predict(test_point))) # 输出这个点可能的类别,1或者0
plt.scatter(df[:50]['sepal length'], df[:50]['sepal width'], label="0")
plt.scatter(df[50:100]['sepal length'], df[50:100]['sepal width'], label="1")
plt.xlabel('sepal length')
plt.ylabel('sepal width')
plt.legend()
plt.show()
结果: 评分大多数时候1.0
,偶尔0.96
用kd树实现k临近算法
在训练集很大时,我们通过构架kd树以加快检索速度。
构造kd树思想:依次选择坐标轴(即,依次选择不同的特征)进行切分,并且切分点通常选择坐标轴的中位数,这样构造的kd树是平衡的。注意:平衡的kd树搜索时的效率未必是最优的。注意,“依次选择不同的特征”这句话,如果说不同的特征每个都用了一次了,但是此时的叶节点仍有多个数据,这时候需要返回第一个特征再次进行划分。所以通常的特征选择公式 ( J mod k ) + 1
,其中J为当前节点深度(根节点深度为0),k为样品特征个数。
在这个例子中,程序选择坐标轴(即特征)是从0开始的,这样子并不一定合理。
更合理的选择特征的方式是:选当前所有特征中方差最大的特征。因为这样子方便我们更快的搜索出最近邻。就好比梯度下降中,我们从椭圆的中心向边缘下降。如果我们从椭圆的长轴下降 花费的时间 自然比 从短轴下降 花费的时间 要多!再比如,下山,方差大就好比陡一些,方差小就好比缓一些,我们自然选择陡一些的,这样我们可以更快地下山。
from math import sqrt
from collections import namedtuple
from time import clock
from random import random
# 定义一个namedtuple,分别存放最近坐标点、最近距离和访问过的节点数
result = namedtuple("Result_tuple",
"nearest_point nearest_dist nodes_visited")
# kd-tree每个结点中主要包含的数据结构如下
class KdNode(object):
def __init__(self, dom_elt, split, left, right):
self.dom_elt = dom_elt # k维向量节点(k维空间中的一个样本点)
self.split = split # 整数(进行分割维度的序号)
self.left = left # 该结点分割超平面左子空间构成的kd-tree
self.right = right # 该结点分割超平面右子空间构成的kd-tree
class KdTree(object):
def __init__(self, data):
k = len(data[0]) # 数据维度
def CreateNode(split, data_set): # 按第split维划分数据集exset创建KdNode
if not data_set: # 数据集为空
return None
# key参数的值为一个函数,此函数只有一个参数且返回一个值用来进行比较
# operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为需要获取的数据在对象中的序号
# data_set.sort(key=itemgetter(split)) # 按要进行分割的那一维数据排序
data_set.sort(key=lambda x: x[split])
split_pos = len(data_set) // 2 # //为Python中的整数除法
median = data_set[split_pos] # 中位数分割点
split_next = (split + 1) % k # cycle coordinates
# 递归的创建kd树
return KdNode(
median,
split,
CreateNode(split_next, data_set[:split_pos]), # 创建左子树
CreateNode(split_next, data_set[split_pos + 1:])) # 创建右子树
self.root = CreateNode(0, data) # 从第0维分量开始构建kd树,返回根节点
# KDTree的前序遍历
def preorder(root):
print(root.dom_elt)
if root.left: # 节点不为空
preorder(root.left)
if root.right:
preorder(root.right)
def find_nearest(tree, point):
k = len(point) # 数据维度
def travel(kd_node, target, max_dist):
if kd_node is None:
return result([0] * k, float("inf"),
0) # python中用float("inf")和float("-inf")表示正负无穷
nodes_visited = 1
s = kd_node.split # 进行分割的维度
pivot = kd_node.dom_elt # 进行分割的“轴”
if target[s] <= pivot[s]: # 如果目标点第s维小于分割轴的对应值(目标离左子树更近)
nearer_node = kd_node.left # 下一个访问节点为左子树根节点
further_node = kd_node.right # 同时记录下右子树
else: # 目标离右子树更近
nearer_node = kd_node.right # 下一个访问节点为右子树根节点
further_node = kd_node.left
temp1 = travel(nearer_node, target, max_dist) # 进行遍历找到包含目标点的区域
nearest = temp1.nearest_point # 以此叶结点作为“当前最近点”
dist = temp1.nearest_dist # 更新最近距离
nodes_visited += temp1.nodes_visited
if dist < max_dist:
max_dist = dist # 最近点将在以目标点为球心,max_dist为半径的超球体内
temp_dist = abs(pivot[s] - target[s]) # 第s维上目标点与分割超平面的距离
if max_dist < temp_dist: # 判断超球体是否与超平面相交
return result(nearest, dist, nodes_visited) # 不相交则可以直接返回,不用继续判断
# 计算目标点与分割点的欧氏距离
temp_dist = sqrt(sum((p1 - p2)**2 for p1, p2 in zip(pivot, target)))
if temp_dist < dist: # 如果“更近”
nearest = pivot # 更新最近点
dist = temp_dist # 更新最近距离
max_dist = dist # 更新超球体半径
# 检查另一个子结点对应的区域是否有更近的点
temp2 = travel(further_node, target, max_dist)
nodes_visited += temp2.nodes_visited
if temp2.nearest_dist < dist: # 如果另一个子结点内存在更近距离
nearest = temp2.nearest_point # 更新最近点
dist = temp2.nearest_dist # 更新最近距离
return result(nearest, dist, nodes_visited)
return travel(tree.root, point, float("inf")) # 从根节点开始递归
# data = [[2, 3], [5, 4], [9, 6], [4, 7], [8, 1], [7, 2]]
# kd = KdTree(data)
# preorder(kd.root) # 前序遍历kd树
# 产生一个k维随机向量,每维分量值在0~1之间
def random_point(k):
return [random() for _ in range(k)]
# 产生n个k维随机向量
def random_points(k, n):
return [random_point(k) for _ in range(n)]
N = 400000
t0 = clock() # python3.8 移除了clock()
kd2 = KdTree(random_points(3, N)) # 构建包含四十万个3维空间样本点的kd树
ret2 = find_nearest(kd2, [0.1, 0.5, 0.8]) # 四十万个样本点中寻找离目标最近的点
t1 = clock()
print("time: ", t1-t0, "s") # 找出最近点的时间
print(ret2) # 输出找打的最近点相关信息
看完上述内容,你们对python中怎么模拟k临近算法有进一步的了解吗?如果还想了解更多知识或者相关内容,请关注亿速云行业资讯频道,感谢大家的支持。
亿速云「云服务器」,即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘,价格低至29元/月。点击查看>>
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。
原文链接:https://my.oschina.net/LevideGrowthHistory/blog/4714995