k近邻分类算法实现（KNN）

KNN算法实现

���近要用到对 某些数据进行自动识别分类，简单学习了一下k近邻算法，分享一下。

例如：电影动作片爱情片分类识别

这里我们使用了sklearn库，它用起来简单方便。

先提供代码如下：

import numpy as npimport pandas as pdfrom IPython.display import displayimport seaborn as snsimport matplotlib.pyplot as pltfrom sklearn.neighbors import KNeighborsClassifierdata=pd.read_excel('/Users/_qiang/Desktop/识别数据集.xlsx',sheet_name=1)display(data)y = data["类别"]X = data[["打斗镜头","亲吻镜头"]]display(y)display(X)y.map({"动作片":0,"爱情片":1})plt.figure()plt.scatter(X["打斗镜头"],X["亲吻镜头"],c=y.map({"动作片":0,"爱情片":1}))action=X.loc[y == "动作片"]love = X.loc[y =="爱情片"]colors = sns.color_palette("husl")plt.figure()plt.scatter(action["打斗镜头"],action["亲吻镜头"],marker="+",s=80,color = colors[0],label="action")plt.scatter(love["打斗镜头"],love["亲吻镜头"],marker="_",s=80,color = colors[1],label="love")plt.legend()plt.xlabel("action",color=colors[0],fontsize=20)plt.ylabel("love",color=colors[1],fontsize=20)plt.show()knn = KNeighborsClassifier(n_neighbors=3)# 样本标签数值化处理target = y.map({"动作片":0,"爱情片":1})knn.fit(X,target)#knn算法对象被训练之后，就成为了一个 模型对象。可以预测未知数据film=[[10,2],[12,7],[5,10]]prediction = knn.predict((film))print(prediction)

解读一下代码：

代码的主要步骤如下：

1. 导入所需的库：

   • numpy：用于支持数组和矩阵运算。
   • pandas：用于数据处理和分析。
   • IPython.display：用于在 IPython 环境中显示数据。
   • seaborn：用于创建统计图形的库。
   • matplotlib.pyplot：用于绘制图形。
   • sklearn.neighbors.KNeighborsClassifier：用于构建 K 近邻分类器模型。

   • 从 Excel 文件中读取数据集：

     data = pd.read_excel('/Users/guo_qiang/Desktop/盲识别数据集.xlsx', sheet_name=1)

   • 显示数据集的内容：

     display(data)

   • 提取特征和标签：

     y = data["类别"]X = data[["打斗镜头", "亲吻镜头"]]

   • 对标签数据进行映射处理：

     y.map({"动作片": 0, "爱情片": 1})

   • 绘制散点图：

     • 使用 plt.scatter 函数绘制特征数据的散点图，并根据标签进行着色。

     • 将数据集按类别拆分：

       • 将数据集分为动作片和爱情片两个子集，分别进行散点图展示。

       • 创建 K 近邻分类器模型：

         knn = KNeighborsClassifier(n_neighbors=3)

       • 将标签数据数值化并训练模型：

         target = y.map({"动作片": 0, "爱情片": 1})knn.fit(X, target)

       • 使用训练好的模型进行预测：

film = [[10, 2], [12, 7], [5, 10]]prediction = knn.predict(film)print(prediction)

最后的输出将显示对电影类别的预测结果。

其中使用到的表格数据如下所示：

就介绍到这里啦～～

​ 如果觉得作者写的不错，求给博主一个大大的点赞支持一下，你们的支持是我更新的最大动力！

​ 如果觉得作者写的不错，求给博主一个大大的点赞支持一下，你们的支持是我更新的最大动力！

​ 如果觉得作者写的不错，求给博主一个大大的点赞支持一下，你们的支持是我更新的最大动力！