Livro de receitas de aprendizagem automática com Python, 2ª edição

Capítulo 15. K-vizinhos mais próximos

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

15.0 Introdução

O classificador k-nearest neighbors (KNN) é um dos classificadores mais simples e mais utilizados na aprendizagem automática supervisionada. O KNN é frequentemente considerado um aprendiz preguiçoso; tecnicamente, não treina um modelo para fazer previsões. Em vez disso, prevê que uma observação seja da mesma classe que a da maior proporção das k observações mais próximas.

Por exemplo, se uma observação com uma classe desconhecida estiver rodeada por uma observação da classe 1, então a observação é classificada como classe 1. Neste capítulo, vamos explorar como usar o scikit-learn para criar e usar um classificador KNN.

15.1 Encontrar os vizinhos mais próximos de uma observação

Problema

Tens de encontrar as k observações mais próximas (vizinhos) de uma observação .

Solução

Utiliza scikit-learn's NearestNeighbors:

# Load libraries
from sklearn import datasets
from sklearn.neighbors import NearestNeighbors
from sklearn.preprocessing import StandardScaler

# Load data
iris = datasets.load_iris()
features = iris.data

# Create standardizer
standardizer = StandardScaler()

# Standardize features
features_standardized = standardizer.fit_transform(features)

# Two nearest neighbors
nearest_neighbors = NearestNeighbors(n_neighbors=2).fit(features_standardized)

# Create an observation
new_observation = [ 1,  1,  1