机器学习从入门到放弃之KNN算法
谈起机器学习，真是令人心生向往同时又让人头痛不已。
心生向往是因为机器学习在很多方面都已经展现出其魅力，在人工智能的领域比如说 AlphaGo ，计算机视觉领域的 人脸识别 , 车牌识别 ，靠近生活的有 推荐系统 , 用户画像 ， 情感分析 等等,都或多或少用到机器学习的知识。其中大部分应用是相当能满足程序员心中的极客精神的
但令人头不痛不已的当你去涉足 机器学习 这个领域的时候，你会发现其中涉及大量的数学知识，这对很多程序员来说都很不友好。
但没关系，程序员应该是工程师，而不是科学家，我们要做的是学会把理论落实成为生产力。
因此本系列将尽可能降低数学的描述(避免一长串的数学证明)来描述机器学习算法的基本原理。如果需要对算法进行深入了解和学习，那么读者还是应该学习算法背后的数学原理。
好了，废话不多说，马上开讲第一个机器学习的算法，KNN算法。
KNN算法
算法背景
假设，你是一个电影公司的影片分类员，你需要从一大堆影片里面分类出 武侠片 和 爱情片 ，用肉眼一部部看肯定不科学，现在有一个程序能识别影片中的镜头，聪明的你想到了又 么么哒 的场面的一定是爱情片，有 厮打 场面的就是武侠片。
其中， 么么哒 和 厮打 两种场面则称为 特征
你把这两种特征放入程序里面一分类，咦，怎么错这么多?!
然后，你决定打开其中一两个错误的结果看看……
咦，刚刚还刀剑相向的女主角怎么怎么和男主角吻了起来，卧槽，那可是你的杀父仇人啊喂，哦，原来男主角是被奸人所逼……
咦，这爱情片男女主角怎么吻着吻着就厮打起来，卧槽，还要脱衣服，天啊，我还是个孩子……
你终于明白，错误的原因是因为无法将 么么哒 和 厮打 作为单一特征，这时，你明白需要重设设计分类的标准了。
算法设计
牛逼的你发现，虽然无法将 么么哒 和 厮打 作为唯一标准，但是是可以作为参考的。比如说，在武侠片中虽然也会出现 么么哒 的镜头，但显然 厮打 镜头仍会占主流。
于是你对以往已经分好类别的电影做出统计，并的做出以下表格。
其中这部分样本又叫做 训练集
X=么么哒镜头的数量
Y=厮打镜头的数量
0代表爱情片，1代表武侠片
| 电影ID | X | Y | 类型 |
|---|---|---|---|
| 1 | 10 | 2 | 0 |
| 2 | 8 | 3 | 0 |
| 3 | 2 | 6 | 1 |
| …… | …… | …… | …… |
把它画出二维图大概是这样：
黄点代表1类电影的分布，绿色代表0类电影的分布，紫色代表需要分类的电影样本。
那么该怎么判别紫色的那颗点所在的类别呢？
没错，KNN就是最简单粗暴的方法，首先判别紫色点离黄色群体和离绿色群体距离，然后将紫色判断为距离最近的那个群体。
这里具体指出利用KNN的具体步骤：
-
计算上述图中所有点到达待测点的欧式距离（勾股定理计算）。
-
选出离待测点最近的
K个点，k由用户指定。 -
计算在这
k个点中，各个类型的个数 -
将个数最多的类型作为预测点的类型。
代码实现
KNN代码实现，收录我的github上，点击一下连接并进入 classify 目录下就可访问
github
后话
在我的 github 中会慢慢更新 TO DO LIST 里提及的算法，但文章因需要语言总结会稍慢一点。
另外，本文题目是 机器学习从入门到放弃之KNN算法 而非 机器学习从入门到放弃（1）：KNN算法 这样，因为如果是后者，某日我要弃坑就会触发我的强迫症，而前者并不会，哈哈哈。
如有错误，欢迎指点。
正文到此结束
热门推荐
相关文章
近期评论
-
文章和留言都翻到11页了 没有OOM
-
-
朋友，翻页到11页，及以后，会出现OOM，无法访问
-
-
搞个gitee的项目
-
-
版本号是多少，你可以下载哪个代码仓库，jdk选1.8 直接跑就行
-
-
-
Loading...
![[HBLOG]公众号](https://www.liuhaihua.cn/img/qrcode_gzh.jpg)
