K-近邻算法(KNN) 预测电影类型

怼烎@ 2023-05-30 09:25 7阅读 0赞

### k-近邻算法原理 ###

`K-近邻算法`采用测量不同特征值之间的距离方法进行分类。  
• 优点：精度高、对异常值不敏感、无数据输入假定。  
• 缺点：时间复杂度高、空间复杂度高。  
适用数据范围：数值型和标称型。

#### 工作原理 ####

存在一个样本数据集合，也称作`训练样本集`，并且样本集中每个数据都存在`标签`，即我们知道样本集中每一数据 与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征**最相似数据**（最近邻）的分类标签。一般来说，我们 只选择样本数据集中前K个最相似的数据，这就是K-近邻算法中K的出处,通常K是`不大于20的整数`。 最后 ，选择K个最相似数据中出现次数最多的分类，作为新数据的分类。

# -*- coding: utf-8 -*-
    # @Time    : 2019/11/9 11:46
    # @Author  :
    
    import pandas as pd
    import numpy as np
    from sklearn.neighbors import KNeighborsClassifier
    
    # 准备样本(如图1)
    df = pd.DataFrame(data={ '电影名称': ['功夫熊猫', '叶问3', '二次曝光', '代理情人', '新步步惊心', '谍影重重', '美人鱼', '宝贝当家', '唐人街探案'],
                            '搞笑镜头': [39, 3, 2, 9, 8, 5, 21, 45, 23], '拥抱镜头': [0, 2, 3, 38, 34, 2, 17, 2, 3],
                            '打斗镜头': [31, 65, 55, 2, 17, 57, 5, 9, 17],
                            '电影类型': ['喜剧片', '动作片', '爱情片', '爱情片', '爱情片', '动作片', '喜剧片', '喜剧片', np.NaN]})
    
    # 获取待求的电影名称的下标
    idx = df[df.电影名称 == "唐人街探案"].index
    
    # 样本分离
    # 已知电影类型的电影(如图2)
    df_konw = df.drop(index=idx)
    # 不知电影类型的电影(如图3)
    df_test = df.iloc[idx]
    
    # 构建KNN分类器对象,k_neighbors查询默认使用的邻居数
    knnclf = KNeighborsClassifier(n_neighbors=5, algorithm='auto')
    # 这是一个训练样本集   而且必须是一个二维数组
    X_train = np.array(df_konw.loc[:, ["搞笑镜头", "拥抱镜头", "打斗镜头"]])
    Y_train = np.array(df_konw["电影类型"])
    
    # 生成训练模型
    knnclf.fit(X_train, Y_train)
    
    # 输入测试值
    X_test = np.array(df_test.loc[:, ["搞笑镜头", "拥抱镜头", "打斗镜头"]])
    
    # 预测
    y_test = knnclf.predict(X_test)
    
    # array(['喜剧片'], dtype=object)
    # 输出准确率
    # ret = knnclf.score(X_test, y_test)

![图1][1]  
(图1)  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NvY2t0YWlsX3B5_size_16_color_FFFFFF_t_70]  
(图2)  
![在这里插入图片描述][20191109141715535.png]  
(图3)

[1]: https://img-blog.csdnimg.cn/20191109141533670.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NvY2t0YWlsX3B5,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NvY2t0YWlsX3B5_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191109141649857.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0NvY2t0YWlsX3B5,size_16,color_FFFFFF,t_70
[20191109141715535.png]: https://img-blog.csdnimg.cn/20191109141715535.png