knn原理及借助电影分类实现knn算法

Posted 2020-11-13 wutanghua

KNN最近邻算法原理

　　KNN英文全称K-nearst neighbor，中文名称为K近邻算法，它是由Cover和Hart在1968年提出来的　

　　KNN算法原理：

　　　　　　　　1. 计算已知类别数据集中的点与当前点之间的距离；

　　　　　　　　2. 按照距离递增次序排序；

　　　　　　　　3. 选择与当前距离最小的k个点；

　　　　　　　　4. 确定前k个点所在类别的出现概率

　　　　　　　　5. 返回前k个点出现频率最高的类别作为当前点的预测分类

 

　　如果数据集中序号1-12为已知的电影分类，分为喜剧片、动作片、爱情片三个种类，使用的特征值分别为搞笑镜头、打斗镜头、拥抱镜头的数量。那么来了一部新电影《唐人街探案》，它属于上述3个电影分类中的哪个类型？

　

 

代码实现如下

import pandas as pd
import numpy as np


def distance(v1, v2):
    """
    距离计算
    :param v1:点1
    :param v2: 点2
    :return: 距离
    """
    dist = np.sqrt(np.sum(np.power((v1 - v2), 2)))
    return dist


# 加载数据
data = pd.read_excel("./电影分类数据.xlsx")
print("data:
", data)
print("*" * 80)
# 获取训练集
train = data.iloc[:, :6]
print("train:
", train)
# 获取训练集的特征值   与目标值
train_x = train.iloc[:, :-1]
train_y = train.iloc[:, -1]
# 获取测试集
print("*" * 80)
test = data.columns[-4:]
print("test:
", test)

# 进行计算距离
# 循环计算训练集每一个样本与测试集的距离
for i in range(train.shape[0]):

    # 计算距离
    dist = distance(train_x.iloc[i,2:5],test[1:])

    train.loc[i,‘dist‘] = dist



print(train)
#  对距离按照升序进行排序
train.sort_values(by=‘dist‘,inplace=True)
print("*" * 80)
print("排序后的train:
",train)

# 确定K 值 k值不同结果不同
k =5
res = train.loc[:,‘电影类型‘][:k].mode()[0]
print("*" * 80)
print(res)