最近邻分类#

此示例说明如何使用 KNeighborsClassifier .我们在虹膜数据集上训练这样的分类器，并观察所获得的决策边界相对于参数的差异 weights .

# Authors: The scikit-learn developers
# SPDX-License-Identifier: BSD-3-Clause

加载数据#

在本例中，我们使用虹膜数据集。我们将数据拆分为训练和测试数据集。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

iris = load_iris(as_frame=True)
X = iris.data[["sepal length (cm)", "sepal width (cm)"]]
y = iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, stratify=y, random_state=0)

K近邻分类器#

我们希望使用k近邻分类器，考虑11个数据点的邻居。由于我们的k近邻模型使用欧几里得距离来寻找最近邻居，因此提前缩放数据非常重要。请参阅标题为特征缩放的重要性了解更多详细信息。

因此，我们使用 Pipeline 在使用我们的分类器之前链接一个缩放器。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler

clf = Pipeline(
    steps=[("scaler", StandardScaler()), ("knn", KNeighborsClassifier(n_neighbors=11))]
)

决策边界#

现在，我们用不同的参数值来适应两个分类器 weights .我们绘制每个分类器的决策边界以及原始数据集以观察差异。

import matplotlib.pyplot as plt

from sklearn.inspection import DecisionBoundaryDisplay

_, axs = plt.subplots(ncols=2, figsize=(12, 5))

for ax, weights in zip(axs, ("uniform", "distance")):
    clf.set_params(knn__weights=weights).fit(X_train, y_train)
    disp = DecisionBoundaryDisplay.from_estimator(
        clf,
        X_test,
        response_method="predict",
        plot_method="pcolormesh",
        xlabel=iris.feature_names[0],
        ylabel=iris.feature_names[1],
        shading="auto",
        alpha=0.5,
        ax=ax,
    )
    scatter = disp.ax_.scatter(X.iloc[:, 0], X.iloc[:, 1], c=y, edgecolors="k")
    disp.ax_.legend(
        scatter.legend_elements()[0],
        iris.target_names,
        loc="lower left",
        title="Classes",
    )
    _ = disp.ax_.set_title(
        f"3-Class classification\n(k={clf[-1].n_neighbors}, weights={weights!r})"
    )

plt.show()

3-Class classification (k=11, weights='uniform'), 3-Class classification (k=11, weights='distance')

结论#

我们观察到该参数 weights 对决策边界有影响。当 weights="unifom" 所有最近的邻居都会对决定产生相同的影响。而当 weights="distance" 赋予每个邻居的权重与该邻居到查询点的距离的倒数成正比。

In some cases, taking the distance into account might improve the model.

Total running time of the script: （0分0.439秒）