最邻近规则分类(K-Nearest Neighbor)KNN算法
程序员文章站
2022-03-29 14:45:15
...
最邻近规则分类(K-Nearest Neighbor)KNN算法
1. 综述
1.1 Cover和Hart在1968年提出了最初的邻近算法
1.2 KNN是一种分类(classification)算法
1.3 输入基于实例的学习(instance-based learning), 懒惰学习(lazy learning)(因为KNN就是一种属于随大流的思想,我离那个部落近我就属于哪里的人)
2. 例子:
表中未知电影属于哪种电影类型?
我们首先将原始表转化一下
转化后的表格如上图所示
计算G点与各个点的距离,G点离谁近,G点就属于哪一类,也就是G对应的电影属于哪种电影类型
3. 算法详述
3.1 步骤:
为了判断未知实例的类别,以所有已知类别的实例作为参照
选择参数K
计算未知实例与所有已知实例的距离
选择最近K个已知实例
根据少数服从多数的投票法则(majority-voting),让未知实例归类为K个最邻近样本中最多数的类别
3.2 细节:
关于K
关于距离的衡量方法:
3.2.1 Euclidean Distance 定义
其他距离衡量:余弦值(cos), 相关度 (correlation), 曼哈顿距离 (Manhattan distance)
3.3 举例
图中绿色的原点属于哪一类呢?是属于红三角还是蓝方块?
当k = 4时,可以看到在实心圆里面红的有三个,蓝的有一个,根据KNN随大流的特性,绿点当然就属于红三角阵营了
当k = 9时,可以看到在实心圆里面红的有六个,蓝的有三个,根据KNN墙头草的特性,绿点当然就属于红三角阵营了
4. 算法优缺点:
4.1 算法优点
简单
易于理解
容易实现
通过对K的选择可具备丢噪音数据的健壮性
4.2 算法缺点
需要大量空间储存所有已知实例
算法复杂度高(需要比较所有已知实例与要分类的实例)
当其样本分布不平衡时,比如其中一类样本过大(实例数量过多)占主导的时候,新的未知实例容易被归类为这个主导样本,因为这类样本实例的数量过大,但这个新的未知实例实际并木接近目标样本
5. 改进版本
考虑距离,根据距离加上权重
比如: 1/d (d: 距离)
上一篇: 外贸营销型网站的功能设计要点
下一篇: 营销型网站建设都拥有什么优势和价值?