KNN算法实例_电影类型判断

下面是一个完整的K近邻算法（K-Nearest Neighbors, KNN）实例，用于判断电影类型。

我们假设有一组电影数据集，每部电影都有两个特征：动作场面数量和爱情场景数量。根据这些特征，我们可以通过KNN算法来判断一部新电影的类型是动作片还是爱情片。

数据集

假设我们有以下训练数据：

新电影

我们有一部新电影，动作场面数量为4，爱情场景数量为5。我们需要预测这部新电影的类型。

KNN算法步骤

1. 计算距离：计算新电影与训练集中所有电影之间的距离（通常使用欧氏距离）。
2. 选择K值：选择最近的K个邻居。
3. 投票：K个邻居中最多的类型即为新电影的预测类型。

手写实现

以下是一个使用Python实现KNN算法的完整实例：

import math
from collections import Counter

# 定义电影数据集
movies = [
    {"features": (8, 3), "label": "动作片"},
    {"features": (1, 10), "label": "爱情片"},
    {"features": (5, 2), "label": "动作片"},
    {"features": (2, 8), "label": "爱情片"},
    {"features": (6, 1), "label": "动作片"},
    {"features": (1, 9), "label": "爱情片"},
]

# 新电影的特征
new_movie = (4, 5)

# 计算欧氏距离的函数
def euclidean_distance(point1, point2):
    return math.sqrt(sum((x - y) ** 2 for x, y in zip(point1, point2)))

# KNN算法
def knn(movies, new_movie, k):
    # 计算所有电影与新电影的距离
    distances = [(movie, euclidean_distance(movie["features"], new_movie)) for movie in movies]
    
    # 按距离排序并选择前K个邻居
    k_nearest_neighbors = sorted(distances, key=lambda x: x[1])[:k]
    
    # 获取K个邻居的类型
    k_labels = [neighbor[0]["label"] for neighbor in k_nearest_neighbors]
    
    # 统计每个类型的数量，返回出现最多的类型
    most_common_label = Counter(k_labels).most_common(1)[0][0]
    return most_common_label

# 使用KNN算法预测新电影的类型
k = 3  # 选择K值
predicted_label = knn(movies, new_movie, k)
print(f"新电影的预测类型是: {predicted_label}")

运行结果

运行上述代码，将输出：

新电影的预测类型是: 动作片

解释

1. 计算距离：我们计算新电影(4, 5)与所有训练电影的欧氏距离。
2. 选择K值：选择距离最近的3部电影（K=3）。
3. 投票：在这3部电影中，动作片的数量最多（假设为2部），所以预测新电影的类型为动作片。

代码解析

# 统计每个类型的数量，返回出现最多的类型
most_common_label = Counter(k_labels).most_common(1)[0][0]

1. Counter(k_labels)

Counter 是 Python 的 collections 模块中的一个类，用于计数可迭代对象中的元素。k_labels 是一个包含K个最近邻样本的标签列表，Counter(k_labels) 会生成一个字典，键为标签，值为该标签在 k_labels 中出现的次数。

例如，如果 k_labels = ['a', 'b', 'a', 'a', 'c', 'b']，则 Counter(k_labels) 结果为 Counter({'a': 3, 'b': 2, 'c': 1})。

2. most_common(1)

Counter 对象的 most_common 方法返回一个列表，列表中的元素是按照出现频率从高到低排序的元组 (元素, 频率)。most_common(1) 返回一个包含频率最高的一个元素及其频率的列表。

例如，Counter({'a': 3, 'b': 2, 'c': 1}).most_common(1) 返回 [('a', 3)]。

3. [0]

most_common(1) 返回的是一个列表，取 [0] 表示获取该列表中的第一个元素，即频率最高的那个 (元素, 频率) 元组。

例如，[('a', 3)] 的 [0] 是 ('a', 3)。

4. [0]

最后的 [0] 表示获取元组中的第一个元素，即标签本身。

例如，('a', 3) 的 [0] 是 'a'。

在这个例子中，k_labels 包含 6 个标签。Counter(k_labels) 会生成一个计数器 Counter({'a': 3, 'b': 2, 'c': 1})。然后，most_common(1) 返回 [('a', 3)]，表示标签 'a' 出现了 3 次，是最常见的标签。最后，通过 [0][0] 提取出 'a' 作为结果。

通过这个实例，我们展示了如何使用KNN算法来判断新电影的类型。这个过程可以扩展到更多的特征和更大的数据集，并且可以调整K值以获得更好的结果。

调用scikit-learn库的写法

以下是一个使用scikit-learn实现KNN算法的完整实例：

from sklearn.neighbors import KNeighborsClassifier

# 定义电影数据集的特征和标签
X = [
    [8, 3],
    [1, 10],
    [5, 2],
    [2, 8],
    [6, 1],
    [1, 9]
]
y = ["动作片", "爱情片", "动作片", "爱情片", "动作片", "爱情片"]

# 定义新电影的特征
new_movie = [[4, 5]]

# 创建KNN分类器
k = 3  # 选择K值
knn = KNeighborsClassifier(n_neighbors=k)

# 用训练数据拟合模型
knn.fit(X, y)

# 使用模型预测新电影的类型
predicted_label = knn.predict(new_movie)
print(f"新电影的预测类型是: {predicted_label[0]}")

运行结果

运行上述代码，将输出：

新电影的预测类型是: 动作片

解释

1. 定义数据集：我们将电影的数据集分为特征X和标签y。
2. 定义新电影的特征：new_movie表示新电影的特征。
3. 创建KNN分类器：使用KNeighborsClassifier创建KNN分类器，并设定K值为3。
4. 拟合模型：用训练数据拟合模型。
5. 预测：使用训练好的模型预测新电影的类型。

使用scikit-learn库，我们可以更加简洁地实现KNN算法，简化了计算距离、排序和投票的过程。