当前位置：首页 > news >正文

【机器学习】深入浅出KNN算法：原理解析与实践案例分享

news 来源：原创 2025/5/23 19:58:41

在机器学习中，K-最近邻算法（K-Nearest Neighbors, KNN）是一种既直观又实用的算法。它既可以用于分类，也可以用于回归任务。本文将简单介绍KNN算法的基本原理、优缺点以及常见应用场景，并通过一个简单案例帮助大家快速入门。

1. KNN算法简介

KNN算法基于一个非常直观的思想：对于一个未知类别的数据点，可以通过查看它在特征空间中距离最近的K个邻居的类别或数值信息，来决定该数据点的类别或预测其值。算法的主要步骤如下：

1. 计算距离：常用的距离度量方法有欧氏距离、曼哈顿距离等。对于一个待预测的数据点，计算它与训练集中所有数据点的距离。

2. 选择最近邻：根据计算得到的距离，选取距离最小的K个数据点。

3. 决策机制：

• 分类：采用投票机制，将待预测点归为K个邻居中出现频率最高的类别。

• 回归：计算K个邻居的数值平均值或加权平均值，作为预测结果。

由于KNN算法没有显式的训练过程，所以它属于一种懒惰学习（Lazy Learning）方法，即在训练阶段只存储数据，在预测时才进行计算。

2. KNN的优缺点

优点

• 简单易懂：KNN算法实现简单，容易理解，非常适合初学者入门机器学习。

• 无需训练过程：KNN不需要构建复杂的模型，直接利用存储的训练数据进行预测。

• 适应性强：既可以用于分类问题，也可以用于回归问题，具有较强的通用性。

缺点

• 计算成本高：当数据量较大时，每次预测都需要计算与所有训练样本之间的距离，计算量较大。

• 对噪声敏感：噪声数据或异常点可能会影响预测结果，尤其是当K值较小时。

• 数据不平衡问题：在类别分布不平衡的情况下，少数类可能会被多数类所掩盖，影响模型效果。

3. 应用场景

KNN算法在许多领域都有应用，包括但不限于：

• 手写数字识别：利用KNN对手写数字图片进行分类，实现简单而高效的数字识别。

• 推荐系统：基于用户相似性推荐商品或电影，利用KNN寻找兴趣相似的用户。

• 医学诊断：通过分析病人数据，预测疾病类别或风险值。

• 回归预测：例如房价预测，通过相似特征房屋的历史价格进行估值。

4. 实战案例：KNN分类

下面通过一个简单的案例，使用Python和scikit-learn库对Iris数据集进行KNN分类，帮助大家直观了解KNN的实际应用。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 加载Iris数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构建KNN分类器，设置K值为3
knn_classifier = KNeighborsClassifier(n_neighbors=3)
knn_classifier.fit(X_train, y_train)

# 对测试集进行预测
y_pred = knn_classifier.predict(X_test)

# 计算并输出准确率
accuracy = accuracy_score(y_test, y_pred)
print("KNN分类器在Iris数据集上的准确率：{:.2f}%".format(accuracy * 100))

运行上述代码，你将会看到KNN分类器在Iris数据集上的表现。通过调整K值或选择不同的距离度量方式，可以进一步优化模型效果。

下面给出两个案例，分别使用在线下载的数据集，演示如何用 KNN 实现分类和回归。我们分别用 OpenML 上的 Iris 数据集（分类）和 scikit-learn 内置的 California Housing 数据集（回归）来说明。

案例 1：KNN 分类（Iris 数据集）

我们通过 fetch_openml 从 OpenML 下载 Iris 数据集，然后用 KNeighborsClassifier 进行分类，并输出预测准确率。

from sklearn.datasets import fetch_openml
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# 下载 Iris 数据集（注意：as_frame=True 会返回 Pandas DataFrame 格式）
iris = fetch_openml(name='iris', version=1, as_frame=True)
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构造并训练 KNN 分类器（这里取 k=3）
knn_classifier = KNeighborsClassifier(n_neighbors=3)
knn_classifier.fit(X_train, y_train)

# 对测试集进行预测
y_pred = knn_classifier.predict(X_test)

# 输出分类准确率
print("KNN 分类器准确率：", accuracy_score(y_test, y_pred))

运行该代码后，会输出模型在测试集上的准确率，说明 KNN 分类器在 Iris 数据集上的表现。

案例 2：KNN 回归（California Housing 数据集）

from sklearn.datasets import fetch_california_housing
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error

# 下载 California Housing 数据集
housing = fetch_california_housing(as_frame=True)
X = housing.data
y = housing.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 构造并训练 KNN 回归器（这里取 k=5）
knn_regressor = KNeighborsRegressor(n_neighbors=5)
knn_regressor.fit(X_train, y_train)

# 对测试集进行预测
y_pred = knn_regressor.predict(X_test)

# 计算并输出均方误差（MSE）
mse = mean_squared_error(y_test, y_pred)
print("KNN 回归器的均方误差：", mse)