《昇思25天学习打卡营第17天|K近邻算法实现红酒聚类》

K近邻算法原理介绍

K近邻算法(K-Nearest-Neighbor, KNN)是一种用于分类和回归的非参数统计方法,最初由 Cover和Hart于1968年提出是机器学习最基础的算法之一。它正是基于以上思想:要确定一个样本的类别,可以计算它与所有训练样本的距离,然后找出和该样本最接近的k个样本,统计出这些样本的类别并进行投票,票数最多的那个类就是分类的结果。KNN的三个基本要素:

  • K值,一个样本的分类是由K个邻居的"多数表决"确定的。K值越小,容易受噪声影响,反之,会使类别之间的界限变得模糊。

  • 距离度量,反映了特征空间中两个样本间的相似度,距离越小,越相似。常用的有Lp距离(p=2时,即为欧式距离)、曼哈顿距离、海明距离等。

  • 分类决策规则,通常是多数表决,或者基于距离加权的多数表决(权值与距离成反比)。

  • 数据准备:

    • 获取红酒数据集。通常红酒数据集包括多种特征,比如酸度、糖分、酒精度等。
    • 将数据集分为训练集和测试集。
  • 特征提取:

    • 对每个红酒样本提取特征。每个样本通常表示为一个多维向量,例如 x1,x2,...,xnx_1, x_2, ..., x_nx1,x2,...,xn,其中 xix_ixi 是红酒的一个特征。
  • 计算距离:

    • 使用距离度量(如欧氏距离)计算测试样本与训练集中每个样本的距离。
    • 欧氏距离公式: d(x,y)=∑i=1n(xi−yi)2d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2}d(x,y)=i=1∑n(xi−yi)2 其中 xxx 和 yyy 分别是两个样本的特征向量。
  • 选择 KKK 值:

    • 选择一个适当的 KKK 值。 KKK 通常通过交叉验证来确定。一般来说, KKK 值较小时,模型较复杂,容易过拟合; KKK 值较大时,模型较简单,容易欠拟合。
  • 寻找最近邻:

    • 根据计算的距离,找出测试样本的 KKK 个最近邻居。
  • 投票或平均:

    • 如果是分类问题,根据 KKK 个最近邻的类别进行投票,得票最多的类别为测试样本的类别。
    • 如果是回归问题,根据 KKK 个最近邻的值计算平均值或加权平均值,作为测试样本的预测值。
  • 模型评估:

    • 使用适当的评估指标(如准确率、F1值等)评估模型在测试集上的表现。
相关推荐
AvocadoZeroOneOI3 小时前
B4500 [GESP202603 三级] 凯撒密码 详细解题报告
c++·算法
cjz38995 小时前
双指针技巧:覆盖式双指针(原地覆盖)
算法
橘子139 小时前
【高级数据库】关系代数基本概念
算法
电科_银尘20 小时前
【大模型算法与工程 15】手写Self-Attention:Q、K、V与缩放点积
算法
郝学胜-神的一滴1 天前
Effective STL 条款03:容器中的对象复制要廉价且正确
开发语言·数据结构·c++·算法·rpc·stl
秋天的怀念_David1 天前
算法一千零一夜 · 第三十三夜 · 跳表
java·程序人生·算法
Pniubi1 天前
力扣21合并两个有序链表
算法·leetcode·职场和发展
AIgorithmGEEK1 天前
std::unordered_map 与 std::unordered_set:接口、算法技巧与权衡 (速查)
c++·算法·哈希表·负载因子·桶·unordered_map·unordered_set
上海潭龙东海科技有限公司1 天前
智慧堆场动态模型三维实时孪生重构智能管控
大数据·网络·数据库·算法·重构
阿庆_AI研发工程师1 天前
Stanford CS336 Lecture 10:大语言模型推理与性能优化
算法