03 K近邻法——读书笔记
一、思维导图:
二、基本概念:
- kkk 近邻法:是一种基本分类和回归方法。给定一个训练数据集,其中的类别已经确定,对于输入的实例,在训练数据集中找到与该实例最邻近的 kkk 个实例,这 kkk 个实例中多数属于的类别就作为输入实例的类别输出。
- 最近邻:是 kkk 近邻方法的一种特殊情况,即当k=1k=1k=1时的情形。
- 显式学习过程:即在学习过程中需要进行加工,kkk 近邻方法不属于显式学习过程。
- 单元:对于每个训练实例点 xxx,距离该点比其他点更近的所有点组成的一个区域称为单元。
- 特征空间的一个划分:每个训练实例点都拥有一个单元,所有训练实例点的单元构成对特征空间的一个划分。
三、k近邻算法:
- 算法定义:
输入:训练数据集 T={(x1,y1),(x2,y2),...,(xN,yN)}T=\begin{Bmatrix} (x_{1},y_{1}),(x_{2},y_{2}),...,(x_{N},y_{N}) \end{Bmatrix}T={(x1,y1),(x2,y2),...,(xN,yN)}, 其中,xi∈χ⊆Rnx_{i}\in \chi \subseteq R^{n}xi∈χ⊆Rn 为实例的特征向量,yi∈γ={c1,c2,...,cK}y_{i}\in \gamma =\begin{Bmatrix} c_{1},c_{2},...,c_{K} \end{Bmatrix}yi∈γ={c1,c2,...,cK} 为实例的类别,i=1,2,...,Ni=1,2,...,Ni=1,2,...,N;
实例特征向量 xxx。
输出:实例xxx所属的类别yyy。
(1)根据给定的距离度量,在训练集TTT中找出与xxx最近邻的kkk个点,称涵盖这kkk个点的xxx的邻域记作 Nk(x)N_{k}(x)Nk(x);
(2)在这 Nk(x)N_{k}(x)Nk(x)中根据分类决策规则(如多数表决)决定 xxx 的类别 yyy,规则如下:
y=argmaxcj∑xi∈Nk(x)I(yi=cj),i=1,2,...,N;j=1,2,...,K.y=arg \: max_{c_{j}}\sum_{x_{i}\in N_{k}(x)} I(y_{i}=c_{j}),\: i=1,2,...,N;j=1,2,...,K.y=argmaxcjxi∈Nk(x)∑I(yi=cj),i=1,2,...,N;j=1,2,...,K.
其中,III是指示函数,即当 yi=cjy_{i}=c_{j}yi=cj时,III=1,否则 III=0。
四、k近邻模型:
- 模型:
kkk 近邻模型实际上是对特征空间的划分。模型主要有三个基本要素——距离度量、kkk 值的选择、分类决策规则。当这些元素确定之后,实例 xxx的类别就唯一地确定了。这相当于根据要素将特征空间划分为一些子空间,确定子空间里每个点属于的类。 - 距离度量:
前提:特征空间中两个实例点之间的距离就是两个实例点相似程度的反映。使用的距离为欧氏距离或者更为一般的 LpL_{p}Lp距离。
①LpL_{p}Lp距离:Lp(xi,xj)=(∑l=1n∣xi(l)−xj(l)∣p)1pL_{p}(x_{i},x_{j})=(\sum_{l=1}^{n}\left | x_{i}^{(l)}-x_{j}^{(l)} \right |^p)^\frac{1}{p}Lp(xi,xj)=(l=1∑n∣∣∣xi(l)−xj(l)∣∣∣p)p1 其中,特征空间 χ\chiχ 是 nnn 维实数向量空间RnR_{n}Rn,xi,xj∈χ,xi=(xi(1),xi(2),...,xi(n)),xj=(xj(1),xj(2),...,xj(n))x_{i},x_{j}\in \chi,x_{i}=(x_{i}^{(1)},x_{i}^{(2)},...,x_{i}^{(n)}),x_{j}=(x_{j}^{(1)},x_{j}^{(2)},...,x_{j}^{(n)})xi,xj∈χ,xi=(xi(1),xi(2),...,xi(n)),xj=(xj(1),xj(2),...,xj(n))
②欧氏距离(当p=2p=2p=2时):
L2(xi,xj)=(∑l=1n∣xi(l)−xj(l)∣2)12L_{2}(x_{i},x_{j})=(\sum_{l=1}^{n}\left | x_{i}^{(l)}-x_{j}^{(l)} \right |^2)^\frac{1}{2}L2(xi,xj)=(l=1∑n∣∣∣xi(l)−xj(l)∣∣∣2)21
③曼哈顿距离(当p=1p=1p=1时):
L1(xi,xj)=(∑l=1n∣xi(l)−xj(l)∣)L_{1}(x_{i},x_{j})=(\sum_{l=1}^{n}\left | x_{i}^{(l)}-x_{j}^{(l)} \right |)L1(xi,xj)=(l=1∑n∣∣∣xi(l)−xj(l)∣∣∣)
④各个坐标距离的最大值(当p=∞p=\inftyp=∞时):
L∞(xi,xj)=maxl∣xi(l)−xj(l)∣L_{\infty}(x_{i},x_{j})=max_{l}\left | x_{i}^{(l)}-x_{j}^{(l)} \right |L∞(xi,xj)=maxl∣∣∣xi(l)−xj(l)∣∣∣ - kkk 值的选择:
kkk值的选择会对 kkk近邻法的结果产生重大影响,在应用中,一般会选取比较小的值,通常采用交叉验证法来选取最优的kkk值。
①kkk值选取过小,会降低模型的近似误差,但是缺点是估计误差会增大,距离实例点较近的点对预测结果有较大影响,会导致模型过于复杂,还可能产生过拟合问题;
②kkk值选取过大,使得模型过于简单,与kkk值选取过小相反,离实例点较远的点会对预测结果产生错误影响。 - 分类决策规则:
分类决策规则往往是多数表决。
五、k近邻法的实现:kd树:
构造kdkdkd树:
算法3.2(构造平衡kdkdkd树):
输入:kkk 维空间数据集 T={x1,x2,...,xN},T=\begin{Bmatrix} x_{1},x_{2},...,x_{N} \end{Bmatrix},T={x1,x2,...,xN}, 其中xi=(xi(1),xi(2),...,xi(k))T,i=1,2,...,N;x_{i}=(x_{i}^{(1)},x_{i}^{(2)},...,x_{i}^{(k)})^{T},i=1,2,...,N;xi=(xi(1),xi(2),...,xi(k))T,i=1,2,...,N;
输出:kdkdkd 树
(1) 开始:构造根结点,根结点对应包含 TTT 的 kkk 维空间的超矩形区域。
选择x(1)x^{(1)}x(1)为坐标轴,以 TTT 中所有实例的x(1)x^{(1)}x(1)坐标的中位数为切分点,将根结点对应的超矩形区域分为两个子区域。切分由通过切分点并与坐标轴x(1)x^{(1)}x(1)垂直的超平面实现。
由根结点生成深度为1的左右子节点;左子结点对应坐标x(1)x^{(1)}x(1)小于切分点的子区域,右结点对应于坐标x(1)x^{(1)}x(1)大于切分点的子区域。
将落在切分超平面上的实例点保存在根结点。
(2) 重复:对深度为jjj的结点,选择x(l)x^{(l)}x(l)为切分的坐标轴,其中l=j(modk)+1l=j(mod \: k)+1l=j(modk)+1,以该结点的区域中所有实例的x(l)x^{(l)}x(l) 坐标的中位数为切分点,将该结点对应的超矩形区域切分为两个子区域。切分由通过切分点并与坐标轴x(l)x^{(l)}x(l)垂直的超平面实现。
由该结点生成深度为j+1j+1j+1的左、右子结点;
将落在切分超平面上的实例点保存在该结点。
(3) 直到两个子区域没有实例存在时停止。从而形成kdkdkd树的区域划分。搜索kdkdkd树:
算法3.3(用kdkdkd树的最近邻搜索):
输入:已构造的kdkdkd树,目标点xxx;
输出:xxx的最近邻。
(1)在 kdkdkd 树中找出包含目标点 xxx 的叶节点:从根节点出发,递归地向下访问 kdkdkd 树。若目标点 xxx当前维的坐标小于切分点的坐标,则移动到左子节点,否则移动到右子节点。直到子节点为叶节点为止。
(2)以此叶节点为“当前最近点”。
(3)递归地向上回退,在每个节点进行以下操作:
(a) 如果该节点保存的实例点比当前最近点距离目标点更近,则以该实例点为“当前最近点”。
(b)当前最近点一定存在于该节点一个子节点对应的区域。检查该子节点的父节点的另一子节点对应的区域是否有更近的点。具体地,检查另一子节点对应的区域是否与以目标点为球心、以目标点与“当前最近点”间的距离为半径的超球体相交。
如果相交,可能在另一个子节点对应的区域内存在距目标点更近的点,移动到另一子节点。接着,递归地进行最近邻搜索;
如果不想交,向上回退。
(4)当回退到根节点时,搜索结束。最后的“当前最近点”即为 xxx 的最近邻点。
03 K近邻法——读书笔记相关推荐
- 03 k近邻法——课后习题答案
答案: k=1时,模型复杂,预测准确率较高: k=2时,模型简单,预测准确率相比于k=1时低. 答案: 答案: 输入:已构造的kdkdkd树,目标点xxx. 输出:x的k近邻. (1)在 kd 树中找 ...
- 《统计学习方法》读书笔记——K近邻法(原理+代码实现)
传送门 <统计学习方法>读书笔记--机器学习常用评价指标 <统计学习方法>读书笔记--感知机(原理+代码实现) <统计学习方法>读书笔记--K近邻法(原理+代码实现 ...
- 构建之法读书笔记03
构建之法读书笔记03 阅读之前: 我发现这本书我越往后读越是后期软件方面的东西,好多东西因为我之前没有接触过软件,所以都变得晦涩难懂,但是大体意思我也应该明白.我知道微软但是不曾设想过他的工作体系 ...
- 机器学习理论《统计学习方法》学习笔记:第三章 k近邻法
机器学习理论<统计学习方法>学习笔记:第三章 k近邻法 3 k近邻法 3.1 K近邻算法 3.2 K近邻模型 3.2.1 模型 3.2.2 距离度量 3.2.3 K值的选择 3.2.4 分 ...
- 《统计学习方法》学习笔记(4)--k近邻法及常用的距离(or 相似度)度量
一.k近邻法基础知识 1. 特征空间中两个实例点的距离反应了两个实例点的相似程度. 2. k近邻模型三要素 = 距离度量(有不同的距离度量所确定的最邻近点不同)+k值的选择(应用中,k值一般取一个比较 ...
- 统计学习笔记(3)——k近邻法与kd树
在使用k近邻法进行分类时,对新的实例,根据其k个最近邻的训练实例的类别,通过多数表决的方式进行预测.由于k近邻模型的特征空间一般是n维实数向量,所以距离的计算通常采用的是欧式距离.关键的是k值的选取, ...
- 统计学习方法笔记(李航)———第三章(k近邻法)
k 近邻法 (k-NN) 是一种基于实例的学习方法,无法转化为对参数空间的搜索问题(参数最优化 问题).它的特点是对特征空间进行搜索.除了k近邻法,本章还对以下几个问题进行较深入的讨 论: 切比雪夫距 ...
- 【机器学习】《统计学习方法》学习笔记 第三章 k近邻法
第三章 k k k 近邻法(KNN) 多分类模型,思路是将最近的 N N N 个邻居的分类值中的多数作为自己的分类值.没有显式的学习过程. 三个基本要素:距离度量. k k k 值选择和分类决策规则. ...
- 复现经典:《统计学习方法》第 3 章 k 近邻法
本文是李航老师的<统计学习方法>[1]一书的代码复现. 作者:黄海广[2] 备注:代码都可以在github[3]中下载. 我将陆续将代码发布在公众号"机器学习初学者", ...
最新文章
- react 监听组合键_投资组合中需要的5个React项目
- 数据库从表中随机选择一行数据
- matlab java错误_Matlab启动时大量java错误的处理方法
- ubuntu安装vmware(支持mac)与卸载
- python中静态方法可以访问对象变量_python 面向对象-实例变量、类变量、实例方法、类方法、静态方法...
- Exchange Powershell查看用户最后登陆邮箱时间
- 图解面试题:找出数组中重复的数字?
- 编写并调试一个单道处理系统的作业调度模拟程序_操作系统系列(2):操作系统发展历史...
- Open Graph Protocol(开放内容协议)
- 计算机组成原理复习笔记
- 通过追女孩时的常见对话来看你会不会聊天
- BZOJ 4399 魔法少女LJJ(线段树合并)
- 真菌元胞自动机Python实现
- M - Help Hanzo (大数区间素数筛)
- AFNetworking为什会请求不到数据
- 统计专业人数。本题要求实现一个函数,统计学生学号链表中专业为计算机的学生人数。
- ES6 入门—ES6 解构赋值
- Android自定义日期区间选择,类似12306酒店入住的日期选择
- 国家大地2000坐标 4547范围 坐标值相关
- 数据库应用——MySQL函数
热门文章
- NYOJ 擅长排列的小明 酒馆浪人的博客
- 大一新生学计算机用买电脑吗,大学一年级就买电脑合适吗?
- 详解事件代理(事件委托)以及应用场景
- 自己实现fmod函数
- Charles使用技巧
- 李诞池子的幽默工具箱
- 52周存钱挑战4.0
- HCIE--MAC,ARPSTP
- 解决MySql 1045 Access denied for user ‘root‘@‘localhost‘ (using password: YES)
- 解决LinuxMysql1045错误ERROR 1045 (28000): Accessdenied for user ‘root‘@‘localhost‘ (using password: YES)