python机器学习课程笔记_遍历ndarray的每一行

【KNN回归】

学习课程：B站【超实用】Python实现机器学习算法（全） BV1V7411P7wL

数据集：鸢尾花数据集（Iris.csv）

import numpy as np
import pandas as pd
# 读取鸢尾花数据集，header参数来指定标题的行，默认为0，如果没有标题，则使用None
data=pd.read_csv(r"C:/Users/DELL/Desktop/Iris.csv")
# 使用花萼长度、花萼宽度、花瓣长度来预测花瓣宽度
# 删除不需要的species列（特征），按列删除
data.drop(["species"],axis=1,inplace=True)
# 删除重复记录
data.drop_duplicates(inplace=True)

# 定义KNN的类
class KNN:
    """使用python语言实现KNN算法（回归预测）
    
    该算法用于回归预测，根据前3个特征属性，寻找最近的k个邻居，然后再根据k个邻居的第4个特征
    属性，预测当前样本的第4个特征值
    """
    def __init__(self,k):
        """初始化方法
        parameters
        ----
        k:int   表示邻居的个数
    
        """
        self.k=k
        
    def fit(self,X,y):
        """训练方法
        parameters
        ----
        X:类数组类型，形状为：{样本数量，特征数量}
          待训练的样本特征（属性）
        y:类数组类型，形状为：{样本数量}
          每个样本的目标值（标签）
        """
        
        ## 将X转换成ndarray数据类型
        self.X=np.asarray(X)
        self.y=np.asarray(y)
    
    def predict(self,X):
        """根据参数传递的样本，对样本数据进行预测
        parameters
        ----
        X:类数组类型，形状为：{样本数量，特征数量}
          待训练的样本特征（属性）
          
        returns
        ----
        result:数组类型
          预测的结果
        """
        
        X=np.asarray(X)
        result=[];
        # 对ndarray数组进行遍历，每次取数组中的一行
        for x in X:
            # 对于测试集中的每一个样本，依次与训练集中的所有样本求距离
            dis=np.sqrt(np.sum((x-self.X)**2,axis=1))
            # 返回数组排序后，每个元素在原数组（排序之前的数组）中的索引
            index=dis.argsort()
            # 进行截断，只取前k个元素（取距离最近的k各元素的索引）
            index=index[:self.k]
            # 计算均值，然后加入到结果列表当中
            result.append(np.mean(self.y[index]))
        return np.asarray(result)
    
    def predict2(self,X):
        """根据参数传递的样本，对样本数据进行预测(考虑权重)
        
        权重的计算方式：每个节点（每个邻居）距离的倒数/所有节点（所有邻居）的距离倒数之和
        parameters
        ----
        X:类数组类型，形状为：{样本数量，特征数量}
          待训练的样本特征（属性）
          
        returns
        ----
        result:数组类型
          预测的结果
        """
        
        X=np.asarray(X)
        result=[];
        # 对ndarray数组进行遍历，每次取数组中的一行
        for x in X:
            # 对于测试集中的每一个样本，依次与训练集中的所有样本求距离
            dis=np.sqrt(np.sum((x-self.X)**2,axis=1))
            # 返回数组排序后，每个元素在原数组（排序之前的数组）中的索引
            index=dis.argsort()
            # 进行截断，只取前k个元素（取距离最近的k各元素的索引）
            index=index[:self.k]
            # 计算所有节点的距离倒数之和，注意最后加上一个很小的值，为了避免除数为零的情况
            s=np.sum(1/(dis[index]+0.001))
            # 使用每个节点距离的倒数，除以倒数之和，得到权重
            weight=(1/(dis[index]+0.001))/s
            # 使用邻居节点的标签值，乘以对应的权重，然后相加，得到最终的预测结果
            result.append(np.sum(self.y[index]*weight))
        return np.asarray(result)

# 测试与训练
t=data.sample(len(data),random_state=0)
train_X=t.iloc[:120,:-1]
train_y=t.iloc[:120,-1]
test_X=t.iloc[120:,:-1]
test_y=t.iloc[120:,-1]
knn=KNN(k=3)
knn.fit(train_X,train_y)
result=knn.predict(test_X)
display(result)
display(np.mean((result-test_y)**2))
display(test_y.values)

# 考虑权重的结果
result2=knn.predict2(test_X)
display(np.mean((result2-test_y)**2))

# 可视化
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.family"]="SimHei"
mpl.rcParams["axes.unicode_minus"]=False
 
plt.figure(figsize=(10,10))
# 绘制预测值
plt.plot(result,"ro-",label="预测值")
# 绘制真实值
plt.plot(test_y.values,"go-",label="真实值")
plt.title("KNN连续值预测展示")
plt.xlabel("节点序号")
plt.ylabel("花瓣宽度")
plt.legend()
plt.show()