KNNsir人品调查记

A机构拟招聘一位行政总裁，小强各个方面都能符合公司的招聘要求，但是招聘委员会的一些成员对小强的人品是否很好心存疑惑，为此，招聘委员会专门请到了大名鼎鼎的神探KNNsir。

所谓“近朱者赤，近墨者黑”，KNNsir决定从小强的人际关系着手调查，经过一番调查，KNNsir发现和小强关系最好的有10个人，分别为A君、B君、C君……J君，这10人中A君、B君、C君、D君、E君曾有过不良的征信，F君、G君、H君、I君、J君一直以来征信良好。KNNsir经过查阅资料，他采用亲近指标和疏远指标来判断两个人之间的关系，并通过技术手段拿到了小强和10个关系最好的朋友的亲近指标（ Intimate）和疏远指标（ Estranged），他们分别如下：

姓名	亲近指标	疏远指标	人品
A君	3.393533211	2.331273381	差
B君	3.110073483	1.781539638	差
C君	1.343853454	3.368312451	差
D君	3.582294121	4.679917921	差
E君	2.280362211	2.866990212	差
F君	7.423436752	4.685324231	好
G君	5.745231231	3.532131321	好
H君	9.172112222	2.511113104	好
I君	7.927841231	3.421455345	好
J君	7.939831414	0.791631213	好
小强	8.90933607318	3.365731514	？

这些数据当然难不倒我们大名鼎鼎的KNNer神探了，只见他随手从工具箱里拿出了几件趁手的工具

import numpy as np
import matplotlib.pyplot as plt

然后把每个人的诚信指标和不诚信指标用序列[亲近指标, 疏远指标]表示，同时把10个朋友的指标装进了叫做X_train的容器，把他们的人品值装进了y_train的容器。于是得X_train，y_train表示如下

X_train =np.array([
[3.393533211, 2.331273381],
[3.110073483, 1.781539638],
[1.343853454, 3.368312451],
[3.582294121, 4.679917921],
[2.280362211, 2.866990212],
[7.423436752, 4.685324231],
[5.745231231, 3.532131321],
[9.172112222, 2.511113104],
[7.927841231, 3.421455345],
[7.939831414, 0.791631213]
])
y_train = np.array(["差","差","差","差","差","好","好","好","好","好"])

为了看的一目了然，KNNsir把X_train的值一个个标到了图上，他用的是这个方法

plt.scatter(X_train[y_train == "差", 0],X_train[y_train == "差", 1],color='r', label = 'Good') #plt.scatter()是一个画散点图的方法，X_train[y_train == "差", 0]和X_train[y_train == "差", 1]分别表示人品差的朋友的x,y坐标，color='r'，表示用红色表示这些点，并且给他们Good的标签
plt.scatter(X_train[y_train == "好", 0],X_train[y_train == "好", 1],color='g', label = 'Bad') # 和上面一样只是人品好的人用绿色表示，标签为bad
plt.xlabel('Intimate') # 设置X轴的标签
plt.ylabel('Estranged') # 设置y轴的标签
plt.axis([0, 10, 0, 5]) # 设置x轴的最大和最小坐标10和0，y轴最大坐标和最小坐标5和0
plt.legend(loc='upper left') #左上角显示legend
plt.show()

得到了如👉所示的图形: ScreenClip.png

我们先把小强的[亲近指标, 疏远指标]赋值给X

X = np.array([8.90933607318, 3.365731514])

为了判断小强和每个朋友的关系亲疏，KNNsir使用了著名的欧拉公式：

欧拉公式：

640.png
，math工具包中有一个sqrt()的函数可以很方便的求算平方根，应用公式表达小强和每个朋友的亲属关系可以用下面的代码

from math import sqrt
# 定义一个序列distences的容器记录小强和各个朋友的亲近关系
distances = []
for x_train in X_train:
    d = sqrt(np.sum(x_train - x)**2) #np.sum(x_train - x)**2)实现根号内的计算
    distances.append(d) # 将结果添加到容器中
# 以下使用列表生成器方法表达，结果一样，更加简单粗暴，适合高手服用
distance = [sqrt(np.sum(x_train - x)**2) for x_train in X_train]
distance

得到结果如下：

[6.550260995180001,
 7.383454466180001,
 7.5629016821800015,
 4.01285554518,
 7.1277151641800005,
 0.16630660418000076,
 2.9977050351800005,
 0.5918422611799996,
 0.9257710111800002,
 3.54360496018]

看到这样的结果，让小白的我们看肯定是一脸懵逼，KNNsir早就想到了，于是乎运用numpy旗下的argsort函数帮我们进行了排序，并且还拿到了各个距离对应是哪个朋友

# np.argsort(array) 对一个数组进行排序，返回的是相应的排序后结果的索引
nearest = np.argsort(distances)
nearest

运行得到结果：

array([5, 7, 8, 6, 9, 3, 0, 4, 1, 2], dtype=int64)也就是小强和[F君、H君、I君、G君、J君、D君、A君、E君、B君、C君]的亲密度是依次递减的。

有了这个结果就可以判断了，从其中选取靠前的六个人看看他们的人品分别是什么

# 选取亲密度最靠前的6个人
k = 6
# 查看这六个人的人品如何
topK_y = [y_train[i] for i in nearest[:k]]
topK_y

运行得到['好', '好', '好', '好', '好', '差']的结果，其实此时小强的人品如何按照“近朱者赤”我们便可以看出来了，不过责任心极强的KNNsir怎么可能会不负责到底呢，于是乎KNNer用collection中的counter方法把结论拍到你的眼前

from collections import Counter
votes = Counter(topK_y) #统计topk_y中人品好和差的个数，-->Counter({'好': 5, '差': 1})
predect_y = votes.most_common(1)[0][0] #获取votes中排名第一的元素的值，votes.most_common(1)-->[('好', 5)]，第一次[0]-->('好', 5)，第二次[0]-->'好'
predect_y

结果当然是：好，小强同学的人品是没问题滴！

经过一番忙活，活就算基本上忙完了，突然KNNsir一拍脑门，“哎呀，我怎么忘了还有更方便的方法呀，直接从sklearn中调用KNeighborsClassifier模块就可以轻松实现了”，接着他开始在电脑上点点，很快写下了下面的代码：

from sklearn.neighbors import KNeighborsClassifier
# 创建kNN_classifier实例
kNN_classifier = KNeighborsClassifier(n_neighbors=6)
# kNN_classifier做一遍fit(拟合)的过程，没有返回值，模型就存储在kNN_classifier实例中
kNN_classifier.fit(X_train, y_train)
# kNN进行预测predict，需要传入一个矩阵，而不能是一个数组。
# reshape()成一个二维数组，第一个参数是1表示只有一个数据，第二个参数-1，numpy自动决定第二维度有多少
y_predict = kNN_classifier.predict(x.reshape(1,-1))
y_predict

轻松地按下enter，屏幕上再次出现了‘好’的结果

工作干完了，可以犒赏下自己了，KNNsir潇洒地合上了电脑，“撸串，走起！”