机器学习7-K-近邻算法(K-NN)

本文介绍: （K-近邻算法，简称KNN）是一种基本的监督学习算法，用于解决分类和回归问题。KNN的核心思想是基于距离度量，在特征空间中找到最近的K个样本，然后使用它们的标签进行决策。

K-Nearest Neighbors（K-近邻算法，简称KNN）是一种基本的监督学习算法，用于解决分类和回归问题。KNN的核心思想是基于距离度量，在特征空间中找到最近的K个样本，然后使用它们的标签进行决策。以下是KNN的基本概念和工作原理：

工作原理：

距离度量
KNN使用欧氏距离或其他距离度量方法来计算样本之间的距离。
选择K值
选择一个合适的K值，表示在决策时考虑的最近邻居的数量。
投票决策
对于分类问题，根据K个最近邻居中出现最频繁的类别进行决策；对于回归问题，根据K个最近邻居的平均值进行决策。

KNN的优缺点：

优点：

简单且易于理解。
适用于小型数据集和特征数较少的问题。
无需训练阶段，模型保存了整个训练集。

缺点：

对于大型数据集，预测速度较慢。
对于高维数据，容易受到维数灾难的影响。
对噪声和冗余特征敏感。

KNN通常在小型数据集和相对较简单的问题中表现良好，但在处理大型高维数据时可能会面临挑战。在实际应用中，合适的K值的选择和数据的预处理对KNN的性能影响较大。

需求：

预测哪些用户会购买SUV。

代码：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import confusion_matrix, accuracy_score, classification_report

# 加载数据
dataset = pd.read_csv('Social_Network_Ads.csv')
X = dataset.iloc[:, [2, 3]].values
y = dataset.iloc[:, 4].values

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25, random_state=0)

# 特征标准化
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

# 创建并训练KNN模型
k_value = 5
classifier = KNeighborsClassifier(n_neighbors=k_value, metric='minkowski', p=2)
classifier.fit(X_train, y_train)

# 预测
y_pred = classifier.predict(X_test)

# 将预测值添加到数据集
dataset['Predicted'] = classifier.predict(sc.transform(X))

# 将包含预测值的数据集写入新的 CSV 文件
dataset.to_csv('Social_Network_Ads_KNN_Pred.csv', index=False)

# 混淆矩阵及模型评估
cm = confusion_matrix(y_test, y_pred)
accuracy = accuracy_score(y_test, y_pred)
report = classification_report(y_test, y_pred)

# 展示混淆矩阵及模型评估结果
print("Confusion Matrix:n", cm)
print("nAccuracy:", accuracy)
print("Classification Report:n", report)