借助python自帶的pandas庫導(dǎo)入數(shù)據(jù)，很簡單。用的數(shù)據(jù)是下載到本地的紅酒集。

代碼如下（示例）：

import pandas as pddef read_xlsx(csv_path): data = pd.read_csv(csv_path) print(data) return data二、歸一化

KNN算法中將用到距離，因此歸一化是一個(gè)重要步驟，可以消除數(shù)據(jù)的量綱。我用了歸一化，消除量綱也可以用標(biāo)準(zhǔn)化，但是作為新手，我覺得歸一化比較簡單。

其中最大最小值的計(jì)算用到了python中的numpy庫，pandas導(dǎo)入的數(shù)據(jù)是DateFrame形式的，np.array()用來將DateFrame形式轉(zhuǎn)化為可以用numpy計(jì)算的ndarray形式。

代碼如下（示例）：

import numpy as npdef MinMaxScaler(data): col = data.shape[1] for i in range(0, col-1):arr = data.iloc[:, i]arr = np.array(arr) #將DataFrame形式轉(zhuǎn)化為ndarray形式，方便后續(xù)用numpy計(jì)算min = np.min(arr)max = np.max(arr)arr = (arr-min)/(max-min)data.iloc[:, i] = arr return data三、分訓(xùn)練集和測試集

先將數(shù)據(jù)值和標(biāo)簽值分別用x和y劃分開，設(shè)置隨機(jī)數(shù)種子random_state，若不設(shè)置，則每次運(yùn)行的結(jié)果會(huì)不相同。test_size表示測試集比例。

def train_test_split(data, test_size=0.2, random_state=None): col = data.shape[1] x = data.iloc[:, 0:col-1] y = data.iloc[:, -1] x = np.array(x) y = np.array(y) # 設(shè)置隨機(jī)種子，當(dāng)隨機(jī)種子非空時(shí)，將鎖定隨機(jī)數(shù) if random_state:np.random.seed(random_state)# 將樣本集的索引值進(jìn)行隨機(jī)打亂# permutation隨機(jī)生成0-len(data)隨機(jī)序列 shuffle_indexs = np.random.permutation(len(x)) # 提取位于樣本集中20%的那個(gè)索引值 test_size = int(len(x) * test_size) # 將隨機(jī)打亂的20%的索引值賦值給測試索引 test_indexs = shuffle_indexs[:test_size] # 將隨機(jī)打亂的80%的索引值賦值給訓(xùn)練索引 train_indexs = shuffle_indexs[test_size:] # 根據(jù)索引提取訓(xùn)練集和測試集 x_train = x[train_indexs] y_train = y[train_indexs] x_test = x[test_indexs] y_test = y[test_indexs] # 將切分好的數(shù)據(jù)集返回出去 # print(y_train) return x_train, x_test, y_train, y_test四、計(jì)算距離

此處用到歐氏距離，pow()函數(shù)用來計(jì)算冪次方。length指屬性值數(shù)量，在計(jì)算最近鄰時(shí)用到。

def CountDistance(train,test,length): distance = 0 for x in range(length):distance += pow(test[x] - train[x], 2)**0.5 return distance五、選擇最近鄰

計(jì)算測試集中的一條數(shù)據(jù)和訓(xùn)練集中的每一條數(shù)據(jù)的距離，選擇距離最近的k個(gè)，以少數(shù)服從多數(shù)原則得出標(biāo)簽值。其中argsort返回的是數(shù)值從小到大的索引值，為了找到對(duì)應(yīng)的標(biāo)簽值。

tip:用numpy計(jì)算眾數(shù)的方法

import numpy as np#bincount（）：統(tǒng)計(jì)非負(fù)整數(shù)的個(gè)數(shù)，不能統(tǒng)計(jì)浮點(diǎn)數(shù)counts = np.bincount(nums)#返回眾數(shù)np.argmax(counts)

少數(shù)服從多數(shù)原則，計(jì)算眾數(shù)，返回標(biāo)簽值。

def getNeighbor(x_train,test,y_train,k): distance = [] #測試集的維度 length = x_train.shape[1] #測試集合所有訓(xùn)練集的距離 for x in range(x_train.shape[0]):dist = CountDistance(test, x_train[x], length)distance.append(dist) distance = np.array(distance) #排序 distanceSort = distance.argsort() # distance.sort(key= operator.itemgetter(1)) # print(len(distance)) # print(distanceSort[0]) neighbors =[] for x in range(k):labels = y_train[distanceSort[x]]neighbors.append(labels)# print(labels) counts = np.bincount(neighbors) label = np.argmax(counts) # print(label) return label

調(diào)用函數(shù)時(shí)：

getNeighbor(x_train,x_test[0],y_train,3)六、計(jì)算準(zhǔn)確率

用以上KNN算法預(yù)測測試集中每一條數(shù)據(jù)的標(biāo)簽值，存入result數(shù)組，將預(yù)測結(jié)果與真實(shí)值比較，計(jì)算預(yù)測正確的個(gè)數(shù)與總體個(gè)數(shù)的比值，即為準(zhǔn)確率。

def getAccuracy(x_test,x_train,y_train,y_test): result = [] k = 3 # arr_label = getNeighbor(x_train, x_test[0], y_train, k) for x in range(len(x_test)):arr_label = getNeighbor(x_train, x_test[x], y_train, k)result.append(arr_label) correct = 0 for x in range(len(y_test)):if result[x] == y_test[x]: correct += 1 # print(correct) accuracy = (correct / float(len(y_test))) * 100.0 print('Accuracy:', accuracy, '%') return accuracy總結(jié)

KNN算是機(jī)器學(xué)習(xí)中最簡單的算法，實(shí)現(xiàn)起來相對(duì)簡單，但對(duì)于我這樣的新手，還是花費(fèi)了大半天時(shí)間才整出來。

在github上傳了項(xiàng)目：https://github.com/chenyi369/KNN

到此這篇關(guān)于Python機(jī)器學(xué)習(xí)之底層實(shí)現(xiàn)KNN的文章就介紹到這了,更多相關(guān)Python底層實(shí)現(xiàn)KNN內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！