一、描述

二、秘籍部分

算法是用Python开发的，首先导包，不解释

#导入包 import numpy as np import pandas as pd 

算法事例体现，要使用到表数据，导入表。

讯享网#读取CSV文件，去除头部，默认为0，第一行，如果不去重，可以使用pd.read_csv("iris.csv",header=None)None。 data=pd.read_csv("iris.csv") #从头开始取 #data.head(5) #从尾部开始取 #data.tail(5) #抽样方法,默认输出一条数据 #data.sample(10) data 

这是原始表，列名一次为：id，花瓣宽度，花瓣长度，花蕊长度，花蕊宽度，种类。可以猜测到，这是一种花的数据，品种是鸢尾花，就是种类不同，这边定义了3种种类。

讯享网

为了后续优化操作，将花种类换成数字，一共三种花。

#将文本类型转成 数字类型 data["Species"]=data["Species"].map({ 
  
    
  "virginica":0,"setosa":1,"versicolor":2}) #data.sample(10) data 

表Id这列用不到，所以将之删除。Python删除表一列，方法是：将每列id删除。可以看到代码。axis=1代表的是行操作。

讯享网#将Id这列删除 inplace设置为true，修改当前对象的值 data.drop("Id",axis=1,inplace=True) data 

下面是清洗表的重复数据

#判断是否有重复，false没有重复值，true数据重复 data.duplicated() #返回true表示有重复值 data.duplicated().any() 

讯享网#去除重复值 data.drop_duplicates(inplace=True) len(data) 

表已经初步完成操作，2、1、0代表的是花的种类。

#data["Species"]=data["Species"].map({"virginica":0,"setosa":1,"versicolor":2}) data["Species"].value_counts() 

事例逻辑：
1、首先这里有149条花朵数据，分成100和49两部分。100这部分定义为训练集合，49定义为测试集合。
2、训练集合中取20条定义为 未知种类 但知道其余信息的 数据x，另外80条为y已知数据。用y数据的中的花瓣宽度，花瓣长度，花蕊长度，花蕊宽度依次去和x数据中的数据运算。即y中80条花瓣宽度，花瓣长度，花蕊长度，花蕊宽度和x中20条花瓣宽度，花瓣长度，花蕊长度，花蕊宽度，一一对应进行运算。运算为：4个数据对应相减，再进行平方，得到的4个平方数相加，再开根号。结果定义为length，length代表的是y中数据到x数据的距离。数值小，距离近。
3、每个x中的数据，取其距离该数据最近的k个数据，根据k个数据，来预测该数据的种类。比如：x_1是x中的一个数据，y_1、y_2、y_3是y中的数据，且是距离x_1最近的三个数据。根据y_1、y_2、y_3的花朵种类，来判断x_1的花朵种类。

讯享网class KNN: #self在我个人理解中，是一个方式，在方法中，定义参数k，参数k传入到self中，在后续 的方法中，就可以调用方法的，传递参数。 """实现KNN算法 邻近算法 （分类）""" def __init__(self,k): """初始化方法 k:int3 获取邻居的个数 """ self.k=k #训练集，这里参数X是鸢尾花的属性： 花瓣宽度，花瓣长度，花蕊长度，花蕊宽度；y代表的是鸢尾花的种类。 def fit(self,X,y): """ 训练数据 X:类数组类型，形状为:[样本数量，特征数量] 训练样本特征（属性） y:类数组类型，形状为:[标签数量] 每个样本的目标值（标签） """ #将X,y转化成np array self.X=np.asarray(X) self.y=np.asarray(y) #测试集，开始逻辑运算。这里为了方便理解，x20条数据定义为V。  def predict(self,V): """ 根据样本传过来的属性，预测特征 V:类数组类型，形状为:[样本数量，特征数量] result:数组类型 预测结果 """ V=np.asarray(V) result=[] #对测试数据集进行遍历，取出每条数据与训练数据集时进行计算 for v in V: #获取每一个测试集到每一个训练集的距离 dis=np.sqrt(np.sum((v-self.X)**2,axis=1)) #将距离按照下标排序，如果将值排序，则找不到对应的花朵种类。 index=dis.argsort() #取出前K表距离最近的邻居 index=index[:self.k] #根据index获取y中对应的特征值，即获取花朵种类的各数量。 count=np.bincount(self.y[index]) #将数据存放到result集合中，去count中数量对多的数值对应的花朵种类。作为结果。 result.append(count.argmax()) #返回预测数据集合 return np.asarray(result) #推算数据，这里是以花的三个数据，推算第四个数据。 def predict(self,V): V=np.asarray(V) result=[] for v in V: dis=np.sqrt(np.sum((v-self.X)**2,axis=1))#计算测试集中数据到训练集数据的距离 index=dis.argsort()#将距离，按照下标排序，不会打乱结果特征顺便 index=index[:self.k]#根据选定的k值，截取前k个数据点 result.append(np.mean(self.y[index]))#将前k个结算结果求平均值后，放入result return np.asarray(result) def predict2(self,V): """加权重""" V=np.asarray(V) result=[] for v in V: dis=np.sqrt(np.sum((v-self.X)**2,axis=1))#计算测试集中数据到训练集数据的距离 index=dis.argsort()#将距离，按照下标排序，不会打乱结果特征顺便 index=index[:self.k]#根据选定的k值，截取前k个数据点 he=np.sum(1/(dis[index]+0.0001))#计算所有k个距离的倒数和 weight=(1/(dis[index]+0.0001))/he #计算每个k点的权重值 result.append(np.sum(self.y[index]*weight))#将前k个的计算结果（计算结果要与改点所占的权重比相乘）求平均值后放入result return np.asarray(result) 

#data["Species"].value_counts() t0=data[data["Species"]==0] t1=data[data["Species"]==1] t2=data[data["Species"]==2] #len(t0) #len(t1) #len(t2) #数据可以重现 t0=t0.sample(len(t0),random_state=0) t1=t1.sample(len(t1),random_state=0) t2=t2.sample(len(t2),random_state=0) #准备训练和测试数据 train_X=pd.concat([t0.iloc[:40,:-1],t1.iloc[:40,:-1],t2.iloc[:40,:-1]],axis=0) train_y=pd.concat([t0.iloc[:40,-1],t1.iloc[:40,-1],t2.iloc[:40,-1]],axis=0) test_X=pd.concat([t0.iloc[40:,:-1],t1.iloc[40:,:-1],t2.iloc[40:,:-1]],axis=0) test_y=pd.concat([t0.iloc[40:,-1],t1.iloc[40:,-1],t2.iloc[40:,-1]],axis=0) 

讯享网#创建KNN对象 knn = KNN(k=80) knn.fit(train_X,train_y) result=knn.predict(test_X) result 

#计算预测结果正确的个数 np.sum(result == test_y) 

讯享网#计算预测结果正确率 np.sum(result == test_y)/len(test_y)