K近邻回归原理详解及Python代码示例

K近邻回归原理详解

        K近邻回归（K-Nearest Neighbors Regression, KNN）是一种基于实例的学习算法，用于解决回归问题。它通过找到输入数据点在特征空间中最相似的K个邻居（即最近的K个数据点），并使用这些邻居的平均值来预测目标值。

目录

K近邻回归原理详解

1. 基本概念

2. 工作原理

3. 优点

4. 缺点

5. 实际应用

Python代码示例

代码解释

---

 

1. 基本概念

        KNN回归的基本思想是“相似的数据点具有相似的目标值”。它不需要显式的训练过程，而是直接在输入数据上进行预测，因此属于懒惰学习算法（Lazy Learning）。

2. 工作原理

        KNN回归的工作流程如下：

1. 选择K值：确定用于预测的邻居数量K，这个参数对模型性能有很大影响。
2. 计算距离：对于每个待预测的数据点，计算它与训练集中所有数据点的距离。常用的距离度量包括欧氏距离、曼哈顿距离等。
3. 找到K个最近邻：根据计算的距离，从训练集中找到K个距离最近的数据点。
4. 预测目标值：将这K个最近邻的数据点的目标值进行平均，得到待预测数据点的预测值。

3. 优点

• 简单易懂：KNN回归原理简单，易于实现和理解。
• 无需训练：KNN回归不需要训练过程，因此在数据更新时无需重新训练模型。
• 灵活性高：KNN回归对数据分布没有假设，可以处理非线性数据。

4. 缺点

• 计算开销大：在预测时需要计算所有训练数据点的距离，对于大规模数据集效率较低。
• 存储需求高：需要存储所有训练数据，内存开销大。
• 对噪声敏感：对数据中的噪声和异常值敏感，可能影响预测结果。
• 参数选择困难：K值的选择对模型性能影响较大，需通过交叉验证等方法确定最佳K值。

5. 实际应用

        KNN回归在许多实际应用中表现良好，适用于回归、分类以及其他需要基于相似性进行预测的问题，如推荐系统、模式识别等。

Python代码示例

        以下是一个完整的Python代码示例，用于实现K近邻回归。我们将使用scikit-learn库来构建和评估模型。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsRegressor
from sklearn.metrics import mean_squared_error# 生成一些示例数据
np.random.seed(0)
x = np.sort(5 * np.random.rand(100, 1), axis=0)
y = np.sin(x).ravel()
y[::5] += 3 * (0.5 - np.random.rand(20))  # 添加噪声# 可视化原始数据
plt.scatter(x, y, s=20, edgecolor="black", c="darkorange", label="data")
plt.title("Original Data")
plt.show()# 数据标准化
scaler = StandardScaler()
x_scaled = scaler.fit_transform(x)# 划分训练集和测试集
x_train, x_test, y_train, y_test = train_test_split(x_scaled, y, test_size=0.2, random_state=42)# 创建K近邻回归模型并进行拟合
knn = KNeighborsRegressor(n_neighbors=5)
knn.fit(x_train, y_train)# 预测结果
y_train_pred = knn.predict(x_train)
y_test_pred = knn.predict(x_test)# 可视化拟合结果
x_test_sorted = np.sort(x_test, axis=0)
y_test_pred_sorted = knn.predict(x_test_sorted)plt.figure()
plt.scatter(x_train, y_train, s=20, edgecolor="black", c="darkorange", label="train data")
plt.scatter(x_test, y_test, s=20, edgecolor="black", c="blue", label="test data")
plt.plot(x_test_sorted, y_test_pred_sorted, color="green", label="predictions", linewidth=2)
plt.title("K-Nearest Neighbors Regression")
plt.legend()
plt.show()# 打印模型参数和均方误差
train_mse = mean_squared_error(y_train, y_train_pred)
test_mse = mean_squared_error(y_test, y_test_pred)
print("Train Mean Squared Error:", train_mse)
print("Test Mean Squared Error:", test_mse)

代码解释

1. 数据生成：

   • 生成100个随机点，并将这些点排序。
   • 使用正弦函数生成目标值，并在部分数据上添加随机噪声以增加数据的复杂性。

2. 数据可视化：

   • 绘制生成的原始数据点，用散点图表示。

3. 数据标准化：

   • 使用StandardScaler对数据进行标准化处理，以使得输入特征具有零均值和单位方差。

4. 数据划分：

   • 将数据划分为训练集和测试集，训练集占80%，测试集占20%。

5. 创建K近邻回归模型：

   • 使用KNeighborsRegressor类构建K近邻回归模型，设置参数n_neighbors=5表示选择5个最近邻。

6. 模型训练：

   • 在训练数据上训练K近邻回归模型。

7. 结果预测：

   • 在训练集和测试集上进行预测，生成预测结果。

8. 可视化拟合结果：

   • 绘制训练数据、测试数据及模型的预测结果，观察模型的拟合效果。

9. 模型评估：

   • 计算并打印训练集和测试集的均方误差（MSE），评估模型的拟合性能。