python - KNN算法实现

Question

我正在创建自己的 KNN 实现。尽管一切似乎都正常，但与 sklearn 的 KNN 相比，我得到的准确性相当差(例如在几组上测试的 0,68 与 0,96)。我还使用 5 折交叉验证。我的代码中最重要的部分如下:

def knn(X, y, Z, k):
    mod_lst = []
    for i in range(Z.shape[0]):
        distance = []
        for j in range(X.shape[0]):
            distance.append(np.linalg.norm(X.iloc[j] - Z.iloc[i]))
        mod_lst.append(modde(distance,y,k))
    return mod_lst

def modde(ret,y,k):
    '''sorting distances in ascending order'''
    dic = {i: ret[i] for i in range(0, len(ret))}
    dic1 = {r: v for r, v in sorted(dic.items(), key=lambda item: item[1])}
    ind = [dic1.keys()]

    a = list(dic1.keys())
    '''sorting y (labels) in ascending order'''
    d = [x for _, x in sorted(zip(a,y))]

    d = d[:k]
    d = list(map(int, d))
    modw = statistics.mode(d)

    return modw

地点:

k = 5
X - training set (data, a nxm matrix of points in R^m)
y - training set (labels, 1xn array of zeros, ones, etc)
Z - testing set

为什么我的结果与 scikit-learn 实现结果不同？

Answer 1

很难回答你的问题。首先，Scikit-learn 实现具有运行时优化，并且包含精心设计的实现。

KNN(分类器)的实现是 here 。我建议您阅读实现，因为启用了新的 github 读取代码功能，并且很容易跟踪库的实现。

例如，检查 here 他们如何定义距离图。您会注意到他们的代码与您的代码略有不同。

此外，scikit-learn 使用 scipy 库来计算一些指标，例如，点的距离是在 scipy pdist() function 上构建的。