在 scikit-learn 中实现 K 邻居分类器，每个对象有 3 个特征

Question

我想用 scikit-learn 模块实现一个 KNeighborsClassifier (http://scikit-learn.org/dev/modules/generated/sklearn.neighbors.KNeighborsClassifier.html)

我从我的图像中检索出稳固性、伸长率和 Humoments 特征。 我如何准备这些数据以进行训练和验证？ 我必须为我从图像中检索到的每个对象创建一个包含 3 个特征 [Hm, e, s] 的列表（从 1 个图像有更多对象）？

我读过这个例子(http://scikit-learn.org/dev/modules/generated/sklearn.neighbors.KNeighborsClassifier.html)：

X = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y) 

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

X 和 y 是 2 个特征？

samples = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]]
from sklearn.neighbors import NearestNeighbors
neigh = NearestNeighbors(n_neighbors=1)
neigh.fit(samples) 

print(neigh.kneighbors([1., 1., 1.])) 

为什么在第一个示例中使用 X 和 y 而现在进行采样？

Answer 1

您的第一段代码在1d 数据上定义了一个分类器。

X代表特征向量。

[0] is the feature vector of the first data example
[1] is the feature vector of the second data example
....
[[0],[1],[2],[3]] is a list of all data examples, 
  each example has only 1 feature.

y 代表标签。

下图显示了这个想法：

• 绿色节点是标签为 0 的数据
• 红色节点是标签为1的数据
• 灰色节点是带有未知标签的数据。

打印（neigh.predict（[[1.1]]））

这是要求分类器预测x=1.1 的标签。

    print(neigh.predict_proba([[0.9]]))

这是要求分类器为每个标签提供成员概率估计。

由于两个灰色节点都靠近绿色，所以下面的输出是有意义的。

    [0] # green label
    [[ 0.66666667  0.33333333]]  # green label has greater probability

第二段代码其实在scikit-learn上有很好的说明：

在以下示例中，我们从表示数据集的数组构造一个 NeighborsClassifier 类，并询问谁是最接近 [1,1,1] 的点

>>> 样本 = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]] >>> 从 sklearn.neighbors 导入 NearestNeighbors >>> neigh = NearestNeighbors(n_neighbors=1) >>> neigh.fit（样本） NearestNeighbors（算法='auto'，leaf_size=30，...） >>> print(neigh.kneighbors([1., 1., 1.])) （数组（[[ 0.5]]），数组（[[2]]...））

这里没有目标值，因为这只是一个NearestNeighbors 类，它不是分类器，因此不需要标签。

针对你自己的问题：

既然你需要一个分类器，如果你想使用KNN 方法，你应该诉诸KNeighborsClassifier。您可能想要构建特征向量X 和标签y，如下所示：

X = [ [h1, e1, s1], 
      [h2, e2, s2],
      ...
    ]
y = [label1, label2, ..., ]