前言:
如今小伙伴们对“knn算法简单例子”大致比较关心,你们都需要分析一些“knn算法简单例子”的相关资讯。那么小编在网摘上汇集了一些有关“knn算法简单例子””的相关知识,希望同学们能喜欢,朋友们一起来了解一下吧!内容导读
5.上面1-4我们只是对某一张测试图片进行了预测,接下来我们就按照上面的操作,对所有测试图片进行同样的操作,此时我们就能获取到 m 个 CmCTn 。1.导入几个常见的和我定义模块: numpy、pyplot、load_cifar10 (我写的读取文件用的)、 KNearestNeighbor (KNN的具体算法) 2.通过 load_cifar10 获取到数据,我定义一个cs231n/classifiers/data_util.py的文件用来作为数据读取工具类。1.我们从 load_cifar10 这个方法讲起:先定义了两个数组 xs 和 ys 2.进入一个循环,从我的目录截图我们可以看见,数据文件的命名是 data_batch_?1.这里有三种不同的方式来计算图片的L2距离,我们这里讲解比较简单的一种,方便读者了解。1.获取到测试图片的数量 num_test 2.定义一个 num_test 大的数组 y_pred 用于储存预测图片种类结果 3.进入循环中 1.先在dists中对第i张测试图片的全部L2距离进行从小到大排序,获得了数组 y_indicies 2.截取前k个第i张测试图片的L2距离,得到了 closest_y 3.最后找到第i张测试图片的 closest_y 中数量最多的图片类别,存入 y_pred 中。2.回到初始调用的地方,此时我们已经获取了在当前的k下,全部的测试图片的预测结果。
1.环境搭建以及前置条件
1.前置环境:
1.mac
2.pycharm
3.python3
4.Anaconda
2.环境搭建:
1.preference-->project-->project interpreter
2.将Anaconda的解释器当做一个project interpreter添加
1.官网下载并安装Anaconda
2.官网下载并安装pycharm
3.在pycharm中使用Anaconda
4.下载assignment1作业项目并导入pycharm中,作业下载 。
5.下载数据集并解压到assignment1作业项目的 assignment1/cs231n/datasets/中。数据集下载
6.执行数据集中的.sh文件使得数据集可用
3.前置知识:numpy、python、SciPy基础学习,教程
2.KNN知识了解1.两张图片的图片距离
对于两张图片来说我们如何量化这两张图片的相似度呢?计算机科学家给出了两个简单的方法:曼哈顿距离和欧氏距离
1.L1距离(曼哈顿距离):给定两张 32*32 像素的图片i1和i2,那么可以将其看做两个 32*32 的矩阵。公式:
曼哈顿距离公式
解释:两个矩阵相减之后,再对该矩阵的所有值取绝对值,最后将该矩阵所有值相加。最后得出的值就是两张图片的距离。
2.L2距离(欧氏距离):还是给定两张 32*32 像素的图片i1和i2,将这两张图片一维化,即拉伸成一个1024*1的矩阵。公式:
欧式距离公式
解释:在一个二维的坐标系中A(x1 , y1),B(x2 , y2)这两点的距离公式是:
二维欧氏公式
,那么这两个矩阵的距离就可以推广为在一个1024维的坐标系上两点的距离
2.KNN的基本思想
从1中我们可以根据公式计算出两张图片的相似度在接下来设为A,我们再假设我们有n张可供训练的图片每张图片被称为Tn,对于训练图片我们都知道该图片到底属于哪个种类的图片,如猫、狗等,所以这里设第Tn张图片的种类为CTn。然后有m张可供测试的图片,每张图片被称为Cm,对于测试图片我们也知道该图片到底属于哪个种类,所以这里设第Cm张图片的种类为CCm。那么某张测试图片和某张训练图片的相似度就可以被称为Anm。
1.对于某一Cm来说,我们需要与每一Tn进行相似度计算,此时对于该Cm来说就有n个Anm。
2.从1中的n个Anm中取出k个最小值,这里的意思为为Cm找出最相似的k张图片。此时获取的Anm我们称为Akm。
3.因为我们知道每个Tn的种类,所以此时我们为Cm找到了k个CTn,也就是与该图片最相似的k个种类
4.由于Cm的k个CTn中可能会有重复的种类,所以我们要对这k个种类进行统计,最终找出数量最多的种类,此时这个种类就是我们预测该图片的种类,这里我们记该种类为CmCTn。
5.上面1-4我们只是对某一张测试图片进行了预测,接下来我们就按照上面的操作,对所有测试图片进行同样的操作,此时我们就能获取到m个CmCTn。
6.最后就是计算KNN的准确率了,因为我们知道每个Cm的种类,所以可以判断出m个CmCTn中哪些是预测正确的,哪些是预测错误的,继而算出KNN的准确率
3.KNN代码1.我的项目
1.先上一个github吧,会持续更新直到把cs231n课程学习完:cs231n
2.我的项目目录:
项目目录
2.代码解析展示一下整体的KNN算法流程等等会按照这个图中代码一行行向下讲,建议结合github上面的代码食用更佳。
KNN算法
1.导入几个常见的和我定义模块:numpy、pyplot、load_cifar10(我写的读取文件用的)、KNearestNeighbor(KNN的具体算法)
2.通过load_cifar10 获取到数据,我定义一个cs231n/classifiers/data_util.py的文件用来作为数据读取工具类。
data_util
1.先获取到某个数据文件名
2.将文件传入到load_cifar_batch方法中去从中获取数据
3.获取到某个文件中的全部图片矩阵数组和全部图片类型数组之后,将其放入前面数组中,就这样一直循环,直到所有的文件数据都被放入到数组中
1.打开该文件
2.使用pickle库将文件以字节流的形式读入内存,并且反序列化成numpy的对象
3.定义x,y分别为numpy的图片矩阵数组 和 numpy的图片类型数组,每张图片都对应着一个图片类型,如猫、狗等等
4.将x图片矩阵数组重新展开成,10000张图片每张图片为32*32*3像素。
5.将y展开成与x中10000张图片一一对应的图片类型
6.返回x,y
1.我们从load_cifar10这个方法讲起:先定义了两个数组xs和ys
2.进入一个循环,从我的目录截图我们可以看见,数据文件的命名是data_batch_?,后面的问号表示1-5.
3.将xs和ys这连个数组平铺,也就是最后获取到了 50000张32*32*3像素的图片和对应图片的类型。
4.将测试数据,进行上面一样的操作,最后返回获取到的数据
2.展示一下数据的信息,看看读取是否有问题
3.定义训练图片数量num_training,这里大家可以减少一些从而减少训练所需时间
4.获取到mask这个数值num_training的范围,然后获取到具体需要的训练图片数量和对应图片类型x_train和y_train
5.定义测试图片的数量num_test,同理获取具体的x_test和y_test
6.将测试图片和训练图片降维,例如把原来10000*32*32*3的矩阵伸张成10000*3072的矩阵,也就是将每张图片平铺成一个一维数组,这样在后面计算的时候更加方便。
7.定义一个KNN的分类器classifier,将x_train,y_train放入其中,等等接下来的训练
8.前面我们在KNN的基本思想中提到了,对于一张测试图片来说,我们计算了其与全部测试图片的距离,然后会取出前k个距离最小的图片,所以这里我们定义了一个k从1-10的数组,称为ks.
9.定义一个num_correct数组,用来储存在不同的k下,正确预测的测试图片数量
10.定义一个accuracy数组,用来储存在不同的k下,预测成功的概率
11.进入一个循环,循环在不同的k下的结果
1.这里有三种不同的方式来计算图片的L2距离,我们这里讲解比较简单的一种,方便读者了解。当num_loops=2的时候就是我们要讲的方法:
两次循环计算L2距离
2.获取到了L2距离矩阵之后,将其与k传入predict_labels方法中,用来获取每张测试图片的预测图片种类:
获取预测的图片种类
1.先获取测试图片的数量num_test,再获取训练图片的数量num_train
2.建立一个num_test*num_train大的矩阵dists,用来储存接下来计算出的L2距离
3.两层循环嵌套以然后用前面说到的公式计算L2距离,然后将结果储存到对应的dists中
4.将dists返回
1.先在dists中对第i张测试图片的全部L2距离进行从小到大排序,获得了数组y_indicies
2.截取前k个第i张测试图片的L2距离,得到了closest_y
3.最后找到第i张测试图片的closest_y中数量最多的图片类别,存入y_pred中。
1.获取到测试图片的数量num_test
2.定义一个num_test大的数组y_pred用于储存预测图片种类结果
3.进入循环中
4.返回预测的结果数组
1.用上了前面定义的分类器,传入测试图片集和当前的k:
预测图片结果
2.回到初始调用的地方,此时我们已经获取了在当前的k下,全部的测试图片的预测结果。将预测结果与实际结果进行比较,获取到了预测成功的数量num。
3.向num_correct中添加当前的结果,向accuracy添加当前的准确率
12.以k为自变量,accuracy为因变量,绘制出曲线并寻找在k为多少的时候,预测的准确率最高。
标签: #knn算法简单例子