前一期博文我们重点分享了kmeans聚类的方法，有了前面的基础我们本期会和大家再就knn，
做点简单分享后，就重点介绍决策树算法。如有问题，欢迎大家随时沟通指教！
KNN模型
KNN模型（K-Nearest Neighbors）是一种基于实例的学习算法，其核心原理是通过查找一个样本的最近K个邻居来预测该样本的类别或属性。其工作时主要有下面三个重要不分：
-
1）距离度量：KNN算法使用距离度量来确定数据点之间的相似性。最常见的距离度量是欧几里得距离，也可以使用曼哈顿距离、切比雪夫距离或余弦相似度等。
-
2）选择K值：K是一个超参数，表示在进行决策时考虑的最近邻居的数量。K的选择对模型的性能有很大影响，通常通过交叉验证等方法来确定最佳的K值。
-
3）决策：对于分类任务，KNN算法会根据K个最近邻居的类别，通过多数投票法来预测新样本的类别；对于回归任务，则计算K个最近邻居的目标值的平均值，作为新样本的目标值。
-
该算法的优点是：
-
1）精度高：由于KNN算法依赖于最近的邻居，因此能够捕捉到数据的细微差异。
-
2）对异常值不敏感：由于预测结果基于多个邻居的投票或平均，单个异常值的影响较小。
3）无数据输入假定：KNN不需要对数据进行复杂的预处理或特征工程。
对应缺点：计算复杂度高：对于每个新样本，都需要计算其与所有训练样本的距离，特别是在大规模数据集上，计算成本较高。空间复杂度高：需要存储所有的训练样本数据，占用较大的存储空间。
-
主要应用于类域交叉或重叠较多的待分样本集，因为它主要依靠周围有限的邻近样本进行分类，而不是依赖于复杂的判别类域方法。此外，KNN还可以用于回归任务，通过计算邻居的目标值平均值来预测新样本的属性。
KNN的使用
使用时引入knn，from sklearn.neighbors import KneighborsClassifier 。为了使用方便我们还是引用上次博文的数据，对数据进行了简单处理，构造了newdata作为存储所有数据的array，如下图
对应显示出数据的代码如下：
python
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
from sklearn.neighbors import KNeighborsClassifier
data=pd.read_csv("e:/pythonaidata/2.csv")
print(data)
x=data.loc[:,"x"];
y=data.loc[:,"y"];
plt.scatter(x,y)
km=KMeans(n_clusters=3,random_state=0)
km.fit(data)
#获得模型的聚类中心
zxs=km.cluster_centers_
plt.scatter(zxs[:,0],zxs[:,1],color="#ff0000")
print(zxs)
y_yc=km.predict(data)
print(y_yc)
y_yc_list=[]
for i in y_yc:
y_yc_list.append(i)
x=x.tolist()
y=y.tolist()
newdata={"x":x,"y":y,"z":y_yc_list}
newdata=pd.DataFrame(newdata)
print(newdata)使用data可以使用knn模型对其进行预测，代码如下
python
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
from sklearn.neighbors import KNeighborsClassifier
data=pd.read_csv("e:/pythonaidata/2.csv")
print(data)
x=data.loc[:,"x"];
y=data.loc[:,"y"];
plt.scatter(x,y)
km=KMeans(n_clusters=3,random_state=0)
km.fit(data)
#获得模型的聚类中心
zxs=km.cluster_centers_
plt.scatter(zxs[:,0],zxs[:,1],color="#ff0000")
print(zxs)
y_yc=km.predict(data)
print(y_yc)
y_yc_list=[]
for i in y_yc:
y_yc_list.append(i)
x=x.tolist()
y=y.tolist()
newdata={"x":x,"y":y,"z":y_yc_list}
newdata=pd.DataFrame(newdata)
knn=KNeighborsClassifier(n_neighbors=3)
#X=newdata[['x','y']]
#Y=newdata[['z']]
knn.fit(data,y_yc_list)
knn_yc=knn.predict(data)Meanshift算法
MeanShift算法是一种基于密度的聚类算法，主要用于图像处理和数据分析领域。其核心思想是通过迭代地将数据点移动到其局部密度的最高点，从而找到数据的模式。MeanShift算法由Fukunaga和Hostetler在1975年提出，最初用于图像处理领域中的模式识别和聚类任务。2002年，Comaniciu和Meer对该算法进行了改进，并提出了Kernel Density Estimation（KDE）方法，为Mean Shift算法提供了更严格的数学基础。其算法原理如下：
算法原理
MeanShift算法的基本原理是通过计算每个点的偏移量之和，求平均偏移量，然后点移动到这个平均偏移量的方向，不断迭代直到满足一定条件结束。具体步骤如下：
选择一个起始点和一个窗口大小。
计算窗口内的加权平均偏移量。
将点移动到新的平均位置。
重复步骤2和3直到没有新的偏移量或达到预设条件。
对所有点重复上述步骤，最终收敛到局部密度最大值
meanshift主要用于以下场景：
1. 图像处理：用于图像的色彩平滑滤波、边缘检测、图像分割和视频跟踪等 3 。
2. 数据挖掘：在社交网络分析中用于发现用户群体和模式 2 。
3. 目标跟踪：通过计算目标的密度分布来跟踪运动目标
关于这种算法，使用时需要加载包
from sklearn.cluster import MeanShift,estunat_bandwidth
bw=estimate_bandwidth(X,n_samples=500)
estimate_bandwidth()用于生成mean-shift窗口的尺寸，其参数的意义为：从X中随机选取500个样本，计算每一对样本的距离，然后选取这些距离的0.2分位数作为返回值，显然当n_samples很大时，这个函数的计算量是很大的。
ms=MeanShift(bandwidth=bw)
ms.fit(X)
然后用它就可以预测了。用它的完整代码如下，配合上一博文中的数据，可以直接运行：
python
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from sklearn.cluster import KMeans
from sklearn.neighbors import KNeighborsClassifier
from sklearn.cluster import MeanShift,estimate_bandwidth
data=pd.read_csv("e:/pythonaidata/2.csv")
print(data)
x=data.loc[:,"x"];
y=data.loc[:,"y"];
plt.scatter(x,y)
km=KMeans(n_clusters=3,random_state=0)
km.fit(data)
#获得模型的聚类中心
zxs=km.cluster_centers_
plt.scatter(zxs[:,0],zxs[:,1],color="#ff0000")
print(zxs)
y_yc=km.predict(data)
print(y_yc)
y_yc_list=[]
for i in y_yc:
y_yc_list.append(i)
x=x.tolist()
y=y.tolist()
newdata={"x":x,"y":y,"z":y_yc_list}
newdata=pd.DataFrame(newdata)
knn=KNeighborsClassifier(n_neighbors=3)
#X=newdata[['x','y']]
#Y=newdata[['z']]
#knn.fit(data,y_yc_list)
#knn_yc=knn.predict(data)
bw=estimate_bandwidth(data,n_samples=500)
print(bw)
ms=MeanShift(bandwidth=bw)
ms.fit(data)
y_meanshift=ms.predict(data)
print(y_meanshift)未来需要努力，一起加油，一起进步！