白手起家学习数据科学 ——k-Nearest Neighbors之“背后的思想”(九)

2023-11-22 12:08

本文主要是介绍白手起家学习数据科学 ——k-Nearest Neighbors之“背后的思想”(九),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!

设想一下,你正在预测接下来总统选举”我将要选择谁”,如果你不知道关于我的任何信息,一个合乎情理的方法是看我的邻居计划投谁,我们居住在西雅图,我的邻居一定按着计划投给Democratic候选人,这个暗示”Democratic候选人”对我也是个不错的猜想。

设想你知道更多关于我的信息,而不只是地理信息,也许你知道我的年龄、收入、我有几个孩子等等,这些特性扩大了影响我的行为,观察跟我这些特性相似的邻居们做出的选择,来预测我的选择,比观察我的所有邻居要更加靠谱,这个思想就是最近邻分类器(nearest neighbors classification)。

模型(The Model)

最近邻模型是最简单预测模型之一,它没有数学假设,不需要任何排序,只需要一下两点:
* 距离的概念;
* 假设一个点和另外一个临近的点是相似的。

我们在整个章节中所看到的大多数技术都是对覆盖整个数据集上,目的在数据集上学习模型。然而另一方面,最近邻有意识的忽略了很多信息,这是因为,每个新的点预测只依赖离它最近的极少数点。

而且,最近邻模型不可能让你理解你正在观察的现象(特征)为什么驱动模型选择这样一个结果。基于我的邻居的投票来预测我的投票,不会告诉你是什么原因引起我的投票方式。

一般情况,我们有一些数据点并且这些数据点对应着标签,这些标签可能是True或者False,暗示每个输入满足一定条件下为”是垃圾邮件”或者”是有毒的”,或者是一些名目属性标签,像电影的评级(G,PG,PG-13,NC-17)。或者是总统候选人的名字,或者是最喜爱的程序语言。

在我们的例子中,数据点是一些向量,这个意味着我们可以使用距离函数(线性代数篇中有介绍)。

为了做这个,我们需要一个函数计数投票结果:

def raw_majority_vote(labels):votes = Counter(labels)winner, _ = votes.most_common(1)[0]return winner

但是这个没有做任何智能的绑定。例如,设想一下我们正在评级电影,5个电影评级为G,G,PG,PG和R,那么G有2个票数,PG也有2个票数,这种情况下,我们有几个选择:
* 随机选择其中一个;
* 根据距离加权重,选择距离大的为winner;
* 减少k值,直到我们找到唯一的winner。

我们会实现第3种方法:

def majority_vote(labels):"""assumes that labels are ordered from nearest to farthest"""vote_counts = Counter(labels)winner, winner_count = vote_counts.most_common(1)[0]num_winners = len([countfor count in vote_counts.values()if count == winner_count])if num_winners == 1:return winner # unique winner, so return itelse:return majority_vote(labels[:-1]) # try again without the farthest

这个方法很有效,因此,在最坏的情况下,我们一直去掉一个数据点,直到最后只有一个label赢了:

def knn_classify(k, labeled_points, new_point):"""each labeled point should be a pair (point, label)"""# order the labeled points from nearest to farthestby_distance = sorted(labeled_points,# find the labels for the k closestk_nearest_labels = [label for _, label in by_distance[:k]]# and let them votereturn majority_vote(k_nearest_labels)

接下来,让我们看如何在实际中应用它。

这篇关于白手起家学习数据科学 ——k-Nearest Neighbors之“背后的思想”(九)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/410023

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas统计每行数据中的空值的方法示例

《Pandas统计每行数据中的空值的方法示例》处理缺失数据(NaN值)是一个非常常见的问题,本文主要介绍了Pandas统计每行数据中的空值的方法示例,具有一定的参考价值,感兴趣的可以了解一下... 目录什么是空值?为什么要统计空值?准备工作创建示例数据统计每行空值数量进一步分析www.chinasem.cn处

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入