欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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:

最邻近规则分类(K-Nearest Neighbor)KNN算法
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
最邻近规则分类(K-Nearest Neighbor)KNN算法
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

最邻近规则分类(K-Nearest Neighbor)KNN算法
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

最邻近规则分类(K-Nearest Neighbor)KNN算法
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

最邻近规则分类(K-Nearest Neighbor)KNN算法
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)