3.封装kNN算法之主体封装

封装kNN算法的主体部分

首先我们还是先看代码，再根据代码来解释。

import numpy as np
from math import sqrt
from collections import Counter


class KNNClassifier:

    def __init__(self, k):
        """初始化kNN分类器"""
        assert k >= 1, "k must be valid"
        self.k = k
        self._X_train = None
        self._y_train = None

    def fit(self, X_train, y_train):
        """根据训练数据集X_train和y_train训练kNN分类器"""
        assert X_train.shape[0] == y_train.shape[0], \
            "the size of X_train must be equal to the size of y_train"
        assert self.k <= X_train.shape[0], \
            "the size of X_train must be at least k."

        self._X_train = X_train
        self._y_train = y_train
        return self

    def predict(self, X_predict):
        """给定待预测数据集X_predict，返回表示X_predict的结果向量"""
        assert self._X_train is not None and self._y_train is not None, \
                "must fit before predict!"
        assert X_predict.shape[1] == self._X_train.shape[1], \
                "the feature number of X_predict must be equal to X_train"

        y_predict = [self._predict(x) for x in X_predict]
        return np.array(y_predict)

    def _predict(self, x):
        """给定单个待预测数据x，返回x的预测结果值"""
        assert x.shape[0] == self._X_train.shape[1], \
            "the feature number of x must be equal to X_train"

        distances = [sqrt(np.sum((x_train - x) ** 2))
                     for x_train in self._X_train]
        nearest = np.argsort(distances)

        topK_y = [self._y_train[i] for i in nearest[:self.k]]
        votes = Counter(topK_y)

        return votes.most_common(1)[0][0]

    def __repr__(self):
        return "KNN(k=%d)" % self.k

第一步，先导入需要用的库，建立KNNClassifier类。

第二步，初始化我们的kNN分类器，传入K，并断言，K必须大于等于1。同时，应为我们后序要用到X_train和y_train两个数据集，我们先把他们设置为私有属性。

第三步，定义fit模型，传入X_train和y_train两个数据集，并添加断言，保证数据集时有效的。

第四步，定义predict函数。它的作用是接受一个需要送入模型进行预测的数据集X_predict，并把其中的数据一个一个送入我们的kNN之中，最后以向量的形式送出预测结果。

第五步，定义_predict函数，接收来自predict函数送过来的需要预测的单个数据，并求出需要预测的数据与训练集中的所有点欧式距离。之后根绝欧式距离的大小，对训练集的索引进行排序。之后按照索引，在y_test中输出K个对应的距离最近数据的状态值。之后发起投票，根据所找到的K个最近距离的训练集元素的状态值，输出需要预测值的预测状态。

封装kNN准确度预测

实现代码如下。这部分代码逻辑很清晰，就不解释了。

import numpy as np

def accuracy_score(y_true, y_predict):
    '''计算y_true和y_predict之间的准确率'''
    assert y_true.shape[0] == y_predict.shape[0], \
        "the size of y_true must be equal to the size of y_predict"

    return sum(y_true == y_predict) / len(y_true)

def score(self, X_test, y_test):
    """根据测试数据集 X_test 和 y_test 确定当前模型的准确度"""

    y_predict = self.predict(X_test)
    return accuracy_score(y_test, y_predict)