Note

Go to the end to download the full example code. or to run this example in your browser via Binder

最近邻分类#

这个示例展示了如何使用 KNeighborsClassifier 。我们在鸢尾花数据集上训练这样的分类器，并观察与参数 weights 相关的决策边界的差异。

加载数据#

在这个例子中，我们使用了鸢尾花数据集。我们将数据分为训练集和测试集。

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#

我们希望使用一个k近邻分类器，考虑11个数据点的邻域。由于我们的k近邻模型使用欧几里得距离来寻找最近的邻居，因此在此之前对数据进行缩放是很重要的。有关更详细的信息，请参阅标题为特征缩放的重要性的示例。

因此，我们使用 Pipeline 在使用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，我们使用不同的 weights 参数值来拟合两个分类器。我们绘制每个分类器的决策边界以及原始数据集，以观察它们之间的差异。

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')

Conclusion#

我们观察到参数 weights 对决策边界有影响。当 weights="uniform" 时，所有最近邻对决策的影响相同。而当 weights="distance" 时，每个邻居的权重与该邻居到查询点距离的倒数成正比。

在某些情况下，考虑距离可能会改进模型。

Total running time of the script: (0 minutes 0.273 seconds)

Related examples