【小白啃书】统计学习方法(李航第二版)代码实现 (C++) 之 2.K近邻(1)

2023-11-21 12:20

本文主要是介绍【小白啃书】统计学习方法(李航第二版)代码实现 (C++) 之 2.K近邻(1),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

【统计学习方法(C++)】 K近邻(1)遍历法

  • K近邻
    • 写在前面(可以不看)
    • 算法原理
    • 训练
    • 判断标签值
      • 计算距离
      • 根据距离排序
      • 统计标签数量
      • 将标签赋给待分类样本
    • 调用这个函数
    • 运行结果
    • 一些说明

本文仅梳理总结自己在学习过程中的一些理解和思路,水平有限,理解粗鄙浅薄且不一定正确。文章所有观点均不保证绝对正确,请酌情参考。如果各位朋友发现任何错误请及时告诉我,大家一起讨论共同提高。
(不要问我为什么用C++写机器学习,问就是导师要求的)
希望我不鸽,咕咕

相关内容
0.导入数据
1.感知机

K近邻

写在前面(可以不看)

上一篇刚刚说过面向对象的思维不强的问题,写本次的程序的时候就切切实实地深受其害了。上课的时候老师曾经做过这样一个比方,一个对象就仿佛一个完整的人,有鼻子有眼睛有手,能说话能吃饭能跳舞。面向对象的方法要求我们在代码中,饭吃进嘴里,嘴连着喉管,把饭送进肠胃,而不是直接打开这个人的肠胃把食物塞进去,吃个饭都要拎着肠子到处乱跑。这次的代码让我切实地体会到了这种“拎着肠子满街乱跑”的感觉,无法拆分成独立的函数,更将某些部分无法移植到其他代码中使用,整个代码像一团乱码搅在一起竟然也实现了功能,就也还挺“鹅妹子嘤”的。
在本文中,我会把原本的代码贴上来,而在KNN(2)中则会放上修改过后的代码,以便让大家直观地感受一些两者之间的区别,也许会对大家更好地理解“面向对象”这一概念有些许帮助。

算法原理

网上总结太多了,书上也讲的详细,不多赘述。简而言之就是:

  • 我离哪个(或k个)样本最近,我的标签就跟谁一样

当距离最近的k个样本标签不同的时候,通常选择少数服从多数的方法确定最后的标签。

训练

很显然,K近邻算法中不涉及训练,k为超参数,需要不断实验寻找效果最好的k值(所谓调参)

判断标签值

步骤如下

  • 计算与每个样本的的距离
  • 按距离排序
  • 统计与待定样本点最近的K个样本的标签数量
  • 最多的标签即视为待定样本点的标签

计算距离

计算距离使用的为欧氏距离,其计算公式为

d = sqrt( (x1-x2)2+(y1-y2)2 )

for (auto iter : Sample_feature){for (int i = 0; i < feature_num; i++){dis += pow((it_test.first[i] - iter.second[i]), 2);}dis = sqrt(dis);distance.insert(map<int, double>::value_type(iter.first, dis));}

这段代码中用到的pow(平方)函数和sqrt(开方)函数需要包括头文件cmath

#include<cmath>

根据距离排序

map一般会默认按照键值进行排序,而我们这里需要的确是按照值的大小进行排序,以便筛选出距离代求的样本点最近的K个样本。直接对map的value进行相对来说复杂,一般常用的方法是将map放入vector中,利用vector的sort函数进行排序。
将map中的内容放入vector

for (map<int, double>::iterator it = distance.begin(); it != distance.end(); it++){vec_distance.push_back(pair<int, double>(it->first, it->second));}

sort函数的参数有三个,sort(begin, end, storFun),分别为排序的起始位,终止位和排序方式。第三个参数缺省时默认从大到小排列,其他特殊的排序方式需要单独构建排序函数进行说明。我们这里的排序方式为按照vector的second项进行排序。

bool storFun(pair<int, double> a, pair<int, double> b)
{return a.second < b.second;
}

在此基础上,排序只需要一行代码就可以实现

		sort(vec_distance.begin(), vec_distance.end(), storFun); //从大到小排序

统计标签数量

遍历前k项并统计其标签。特别的,map可以通过键值直接索引,当所查找的键值在map中不存在时还会自动增加此键值,这就给我们的统计带来了方便。我们不需要先得知总共出现了哪些标签值,只需要一行代码就可以完成标签的计数。

			map_label_freq[label]++;

当程序读取到标签值时,会将map中对应的计数结果(value)加一,若map中没有这个标签,则会添加这个标签为新的键值。

将标签赋给待分类样本

通过遍历计数结果map来找到出现次数最多的标签,完成样本的分类。

for (auto it_map : map_label_freq){if (it_map.second>max_freq){max_freq = it_map.second;label = it_map.first;}}

调用这个函数

可以看到,我并没有写输出结果的代码(因为想偷懒),所以在KNN函数的最后我打了一个断点以便查看运行结果。

因为前面讲过的原因,整个代码中除了读取数据只有KNN一个功能函数,各种数据纠缠在一起,极度混乱:<

运行结果

在这里插入图片描述
最后的数字1为分类的正确率(虽然数据集是我自己写的在学习过程中这个数字并没有什么意义)

一些说明

为了方便大家看这个代码有多屎,我把这个代码完整复制在这里,如果对这一部分不感兴趣这篇文章阅读到这里就结束了。
结构更加清晰的程序我会在(2)中继续贴出来(如果我写得出来的话)

typedef string TLabel;
typedef double TFeature;
ifstream fin;
ofstream fout;bool storFun(pair<int, double> a, pair<int, double> b){……}int data_read(map<vector<TFeature>, TLabel> &Sample, string data_add, int &sample_num){……}void Sample_data_read(map<int, vector<TFeature>> &Sample_feature, map<int, TLabel>&Sample_label, map<vector<TFeature>, TLabel> &Sample, string data_add, int &sample_num){……}void KNN(int k)
{string data_add = ("F:\\learning ML\\KNN\\data.txt");string test_add = ("F:\\learning ML\\KNN\\test.txt");int feature_num = 0;int sample_num = 0;int test_sample_num = 0;double accuracy = 0;map<vector<TFeature>, TLabel> Sample;map<vector<TFeature>, TLabel> Test_Sample;map<int, vector<TFeature>> Sample_feature;map<int, TLabel>Sample_label;Sample_data_read(Sample_feature, Sample_label, Sample, data_add, sample_num);feature_num = data_read(Test_Sample, test_add, test_sample_num);//计算距离for (auto it_test : Test_Sample){double dis = 0;int index = 0;map<int, double> distance;vector<pair<int, double>> vec_distance;map<TLabel, int> map_label_freq;vector<pair<TLabel, int>>vec_label_freq;for (auto iter : Sample_feature){for (int i = 0; i < feature_num; i++){dis += pow((it_test.first[i] - iter.second[i]), 2);}dis = sqrt(dis);distance.insert(map<int, double>::value_type(iter.first, dis));}for (map<int, double>::iterator it = distance.begin(); it != distance.end(); it++){vec_distance.push_back(pair<int, double>(it->first, it->second));}sort(vec_distance.begin(), vec_distance.end(), storFun); //从大到小排序TLabel label;//统计分类for (int i = 0; i < k; i++){index = vec_distance[i].first;label = Sample_label[index];map_label_freq[label]++;}int max_freq = 0;for (auto it_map : map_label_freq){if (it_map.second>max_freq){max_freq = it_map.second;label = it_map.first;}}cout << "The test data belongs to the " << label << " label" << endl;if (label == it_test.second){accuracy++;}}accuracy = accuracy / test_sample_num;cout << accuracy << endl;system("pause");
}int main()
{int k;cout << "please input the k value : " << endl;cin >> k;KNN(k);}

源码和用到的数据集我打包放在KNN(1)
在这里插入图片描述

最后,错误及有待改进之处,希望各位大佬不吝赐教。

这篇关于【小白啃书】统计学习方法(李航第二版)代码实现 (C++) 之 2.K近邻(1)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/402306

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

闲置电脑也能活出第二春?鲁大师AiNAS让你动动手指就能轻松部署

对于大多数人而言,在这个“数据爆炸”的时代或多或少都遇到过存储告急的情况,这使得“存储焦虑”不再是个别现象,而将会是随着软件的不断臃肿而越来越普遍的情况。从不少手机厂商都开始将存储上限提升至1TB可以见得,我们似乎正处在互联网信息飞速增长的阶段,对于存储的需求也将会不断扩大。对于苹果用户而言,这一问题愈发严峻,毕竟512GB和1TB版本的iPhone可不是人人都消费得起的,因此成熟的外置存储方案开

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

hdu1043(八数码问题,广搜 + hash(实现状态压缩) )

利用康拓展开将一个排列映射成一个自然数,然后就变成了普通的广搜题。 #include<iostream>#include<algorithm>#include<string>#include<stack>#include<queue>#include<map>#include<stdio.h>#include<stdlib.h>#include<ctype.h>#inclu

hdu1496(用hash思想统计数目)

作为一个刚学hash的孩子,感觉这道题目很不错,灵活的运用的数组的下标。 解题步骤:如果用常规方法解,那么时间复杂度为O(n^4),肯定会超时,然后参考了网上的解题方法,将等式分成两个部分,a*x1^2+b*x2^2和c*x3^2+d*x4^2, 各自作为数组的下标,如果两部分相加为0,则满足等式; 代码如下: #include<iostream>#include<algorithm

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

C++包装器

包装器 在 C++ 中,“包装器”通常指的是一种设计模式或编程技巧,用于封装其他代码或对象,使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍,可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型: 1. 函数包装器 函数包装器用于封装一个或多个函数,使其接口更统一或更便于调用。例如,std::function 是一个通用的函数包装器,它可以存储任意可调用对象(函数、函数

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�