matlab knn参数 matlab中knn函数介绍

play with knn

• 1. 什么是knn

• 1.1. 什么是knn
• 1.2. knn适用范围

• 2. knn实验前的准备

• 2.1. knn的实验要点

• 3. knn的matlab实验【使用UCI数据集】

• 3.0. KNN函数自带用例
• 3.1. UCI数据集
• 3.2. knn实验计划
• 3.3. 数据集筛选
• 3.4. play with knn

• 4. 总结

1. 什么是knn

1.1. 什么是knn

来了一个无标签的样本，找它的周围邻居（有标签）投票。

1.2. knn适用范围

优点：
1、KNN算法是一个非常简单的算法，理论成熟，思想简单，既可以用来做分类也可以用来做回归

2、天然解决多分类问题，也可用于回归问题

3、和朴素贝叶斯之类的算法比，对数据没有假设，准确度高，对异常点不敏感

4、KNN在训练过程中实质上不需要做任何事情，所以训练本身不产生任何时间上的消耗

5、由于KNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合

缺点：
1、计算量大，效率低。即使优化算法，效率也不高。

2、高度数据相关，样本不平衡的时候，对稀有类别的预测准确率低

3、相比决策树模型，KNN模型可解释性不强

4、维度灾难：随着维度的增加，“看似相近”的两个点之间的距离越来越大，而knn非常依赖距离

---

2. knn实验前的准备

2.1. knn的实验要点

• 数据预处理的时候，要先划分数据集；把测试集丢入训练集的处理模式。而不是测试集重开。
• knn是懒惰学习的代表。测试集丢进去才学

---

3. knn的matlab实验【使用UCI数据集】

3.0. KNN函数自带用例

load fisheriris
X = meas;
Y = species;

这个时候有

对照数据集描述，也就是有n = 150的样本，和m = 4的特征

mdl = fitcknn(X,Y,'NumNeighbors',5,'Standardize',1);

这里Standardize是标准化的意思。X并没有标准化
直接丢进去建模

Xnew = [min(X);mean(X);max(X)];
[label,score,cost] = predict(mdl,Xnew)

可以得到结果

• 这里比较简单，测试集是和了下训练集的数据就丢进去的。
• score的每行有三个元素，是对应三个标签的概率。一行是一个样本。每行最大的元素所在位置，就是标签label

3.1. UCI数据集

手头有别人整理好的开源的数据集。因为重点是比较各个算法的优劣程度，所以偷懒把训练集/验证集/测试集一起数据归一化/标准化。。。严格来说不该这么做。

3.2. knn实验计划

0. 数据集全部标准化
1. 划分训练集，验证集，测试集并进行保存
2. 训练集，测试集丢入knn
3. 保留效果有提升空间的数据集

3.3. 数据集筛选

• arrhythmia
• congressional-voting
• cylinder-bands
• dermatology
• hill-valley(test)
• statlog-heart
• wine

3.4. play with knn

%%
%目前情况
%结果正常的。特点：数据集本身已标准化，关掉模型的标准化【不关掉也没影响】

load('E:\work\playground\database\wine\归一化数据\zscore_Set_wine.mat')
X = TrainSet_zscore(:,2:14);
Y = TrainSet_zscore(:,1);

Xt = TestSet_zscore(:,2:14);
Yt = TestSet_zscore(:,1);

mdl = fitcknn(X,Y,'NumNeighbors',5);%,
CVKNNMdl = crossval(mdl);
classError = kfoldLoss(CVKNNMdl)

label = predict(mdl,Xt);
accr = length(find(label~=Yt))/length(Yt)

%%
%{
%结果不正常
%特点：1.使用预处理数据（未标准化）
clear
load('E:\work\playground\database\wine\预处理完成\wine.mat')
[numSample,numFea] = size(DataSet);
X = DataSet(:,2:numFea);
Y = DataSet(:,1);
numFea = numFea - 1;

CVKNNMdl2 = fitcknn(X,Y,'NumNeighbors',5,'KFold',3);%,'Standardize',1   关掉标准化，会发现wine异常敏感
classError2 = kfoldLoss(CVKNNMdl2)%到这里是正常的

[accr,list,classError] = splitnoval(DataSet,120);%在这里不正常
accr
classError
%}

。。。其实都可以，说不正常是因为

1. 当时缓存没清
2. splitnoval（捂脸）
3. 有说法是算法一起比较的话，标准化/归一化并不是绝对必要的

function [accr,list,classError] = splitnoval(zscore_normalization,trainsplit)
%playknn 此处显示有关此函数的摘要
%   此处显示详细说明
[numSample,numFea] = size(zscore_normalization);
X = zscore_normalization(:,2:numFea);
numFea = numFea - 1;
Y = zscore_normalization(:,1);

list = randperm(numSample);
Xtrain = X(list(1:trainsplit),:);
Xtest = X(list(1+trainsplit:numSample),:);

Ytrain =  Y(list(1:trainsplit));
Ytest = Y(list(1+trainsplit:numSample));


mdl = fitcknn(Xtrain,Ytrain,'NumNeighbors',5);%,'Standardize',1

CVKNNMdl = crossval(mdl);
classError = kfoldLoss(CVKNNMdl);%在这里正常【即使使用测试集建模也没有问题，是正常的】

label = predict(mdl,Xtest);%这里有问题！

accr = length(find(label~=Ytest))/length(Ytest);
end

虽然注释标注有问题，但其实当时运行了其他的，缓存没清

---

4. 总结

1. 对knn使用CV可以检查问题
2. 标准化/归一化并不是绝对绝对必须按流程走的