首页 > WEB开发 > JavaScript开发 > JavaScript机器学习之KNN算法
2017
07-18

JavaScript机器学习之KNN算法

上图使用 plot.ly 所画。

上次我们用JavaScript实现了 线性规划 ,这次我们来聊聊KNN算法。

KNN是 k-Nearest-Neighbours 的缩写,它是一种监督学习算法。KNN算法可以用来做分类,也可以用来解决回归问题。

GitHub仓库: machine-learning-with-js

KNN算法简介

简单地说, KNN算法由那离自己最近的K个点来投票决定待分类数据归为哪一类 。

如果待分类的数据有这些邻近数据, NY : 7 , NJ : 0 , IN : 4 ,即它有7个 NY 邻居,0个 NJ 邻居,4个 IN 邻居,则这个数据应该归类为 NY

假设你在邮局工作,你的任务是为邮递员分配信件,目标是最小化到各个社区的投递旅程。不妨假设一共有7个街区。这就是一个实际的分类问题。你需要将这些信件分类,决定它属于哪个社区,比如 上东城曼哈顿下城 等。

最坏的方案是随意分配信件分配给邮递员,这样每个邮递员会拿到各个社区的信件。

最佳的方案是根据信件地址进行分类,这样每个邮递员只需要负责邻近社区的信件。

也许你是这样想的:”将邻近3个街区的信件分配给同一个邮递员”。这时,邻近街区的个数就是 k 。你可以不断增加 k ,直到获得最佳的分配方案。这个 k 就是分类问题的最佳值。

KNN代码实现

上次 一样,我们将使用 mljsKNN 模块 ml-knn 来实现。

每一个机器学习算法都需要数据,这次我将使用 IRIS数据集 。其数据集包含了150个样本,都属于 鸢尾属 下的三个亚属,分别是 山鸢尾变色鸢尾维吉尼亚鸢尾 。四个特征被用作样本的定量分析,它们分别是 花萼花瓣 的长度和宽度。

1. 安装模块

$npm install ml-knn@2.0.0 csvtojson prompt

ml-knn : k-Nearest-Neighbours 模块,不同版本的接口可能不同,这篇博客使用了2.0.0

csvtojson : 用于将CSV数据转换为JSON

prompt : 在控制台输入输出数据

2. 初始化并导入数据

IRIS数据集 由加州大学欧文分校提供。

curl https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data > iris.csv

假设你已经初始化了一个NPM项目,请在 index.js 中输入以下内容:

const KNN = require('ml-knn');
const csv = require('csvtojson');
const prompt = require('prompt');

var knn;

const csvFilePath = 'iris.csv'; // 数据集
const names = ['sepalLength', 'sepalWidth', 'petalLength', 'petalWidth', 'type'];

let seperationSize; // 分割训练和测试数据

let data = [],
 X = [],
 y = [];

let trainingSetX = [],
 trainingSetY = [],
 testSetX = [],
 testSetY = [];
  • seperationSize 用于分割数据和测试数据

使用csvtojson模块的fromFile方法加载数据:

csv(
 {
 noheader: true,
 headers: names
 })
 .fromFile(csvFilePath)
 .on('json', (jsonObj) =>
 {
 data.push(jsonObj); // 将数据集转换为JS对象数组
 })
 .on('done', (error) =>
 {
 seperationSize = 0.7 * data.length;
 data = shuffleArray(data);
 dressData();
 });

我们将 seperationSize 设为样本数目的0.7倍。注意,如果训练数据集太小的话,分类效果将变差。

由于数据集是根据种类排序的,所以需要使用 shuffleArray 函数对数据进行混淆,这样才能方便分割出训练数据。这个函数的定义请参考StackOverflow的提问 How to randomize (shuffle) a JavaScript array? :

function shuffleArray(array)
{
 for (var i = array.length - 1; i > 0; i--)
 {
 var j = Math.floor(Math.random() * (i + 1));
 var temp = array[i];
 array[i] = array[j];
 array[j] = temp;
 }
 return array;
}

3. 转换数据

数据集中每一条数据可以转换为一个JS对象:

{
sepalLength: ‘5.1’,
sepalWidth: ‘3.5’,
petalLength: ‘1.4’,
petalWidth: ‘0.2’,
type: ‘Iris-setosa’ 
}

在使用 KNN 算法训练数据之前,需要对数据进行这些处理:

  1. 将属性(sepalLength, sepalWidth,petalLength,petalWidth)由字符串转换为浮点数. ( parseFloat )
  2. 将分类 (type)用数字表示
function dressData()
{
 let types = new Set(); 
 data.forEach((row) =>
 {
 types.add(row.type);
 });
 let typesArray = [...types]; 

 data.forEach((row) =>
 {
 let rowArray, typeNumber;
 rowArray = Object.keys(row).map(key => parseFloat(row[key])).slice(0, 4);
 typeNumber = typesArray.indexOf(row.type); // Convert type(String) to type(Number)

 X.push(rowArray);
 y.push(typeNumber);
 });

 trainingSetX = X.slice(0, seperationSize);
 trainingSetY = y.slice(0, seperationSize);
 testSetX = X.slice(seperationSize);
 testSetY = y.slice(seperationSize);

 train();
}

4. 训练数据并测试

function train()
{
 knn = new KNN(trainingSetX, trainingSetY,
 {
 k: 7
 });
 test();
}

train方法需要2个必须的参数: 输入数据,即 花萼花瓣 的长度和宽度;实际分类,即 山鸢尾变色鸢尾维吉尼亚鸢尾 。另外,第三个参数是可选的,用于提供调整 KNN 算法的内部参数。我将 k 参数设为7,其默认值为5。

训练好模型之后,就可以使用测试数据来检查准确性了。我们主要对预测出错的个数比较感兴趣。

function test()
{
 const result = knn.predict(testSetX);
 const testSetLength = testSetX.length;
 const predictionError = error(result, testSetY);
 console.log(`Test Set Size = ${testSetLength} and number of Misclassifications = ${predictionError}`);
 predict();
}

比较预测值与真实值,就可以得到出错个数:

function error(predicted, expected)
{
 let misclassifications = 0;
 for (var index = 0; index < predicted.length; index++)
 {
 if (predicted[index] !== expected[index])
 {
 misclassifications++;
 }
 }
 return misclassifications;
}

5. 进行预测(可选)

任意输入属性值,就可以得到预测值

function predict()
{
 let temp = [];
 prompt.start();
 prompt.get(['Sepal Length', 'Sepal Width', 'Petal Length', 'Petal Width'], function(err, result)
 {
 if (!err)
 {
 for (var key in result)
 {
 temp.push(parseFloat(result[key]));
 }
 console.log(`With ${temp} -- type = ${knn.predict(temp)}`);
 }
 });
}

6. 完整程序

完整的程序 index.js 是这样的:

const KNN = require('ml-knn');
const csv = require('csvtojson');
const prompt = require('prompt');

var knn;

const csvFilePath = 'iris.csv'; // 数据集
const names = ['sepalLength', 'sepalWidth', 'petalLength', 'petalWidth', 'type'];

let seperationSize; // 分割训练和测试数据

let data = [],
 X = [],
 y = [];

let trainingSetX = [],
 trainingSetY = [],
 testSetX = [],
 testSetY = [];


csv(
 {
 noheader: true,
 headers: names
 })
 .fromFile(csvFilePath)
 .on('json', (jsonObj) =>
 {
 data.push(jsonObj); // 将数据集转换为JS对象数组
 })
 .on('done', (error) =>
 {
 seperationSize = 0.7 * data.length;
 data = shuffleArray(data);
 dressData();
 });

function dressData()
{
 let types = new Set(); 
 data.forEach((row) =>
 {
 types.add(row.type);
 });
 let typesArray = [...types]; 

 data.forEach((row) =>
 {
 let rowArray, typeNumber;
 rowArray = Object.keys(row).map(key => parseFloat(row[key])).slice(0, 4);
 typeNumber = typesArray.indexOf(row.type); // Convert type(String) to type(Number)

 X.push(rowArray);
 y.push(typeNumber);
 });

 trainingSetX = X.slice(0, seperationSize);
 trainingSetY = y.slice(0, seperationSize);
 testSetX = X.slice(seperationSize);
 testSetY = y.slice(seperationSize);

 train();
}


// 使用KNN算法训练数据
function train()
{
 knn = new KNN(trainingSetX, trainingSetY,
 {
 k: 7
 });
 test();
}


// 测试训练的模型
function test()
{
 const result = knn.predict(testSetX);
 const testSetLength = testSetX.length;
 const predictionError = error(result, testSetY);
 console.log(`Test Set Size = ${testSetLength} and number of Misclassifications = ${predictionError}`);
 predict();
}


// 计算出错个数
function error(predicted, expected)
{
 let misclassifications = 0;
 for (var index = 0; index < predicted.length; index++)
 {
 if (predicted[index] !== expected[index])
 {
 misclassifications++;
 }
 }
 return misclassifications;
}


// 根据输入预测结果
function predict()
{
 let temp = [];
 prompt.start();
 prompt.get(['Sepal Length', 'Sepal Width', 'Petal Length', 'Petal Width'], function(err, result)
 {
 if (!err)
 {
 for (var key in result)
 {
 temp.push(parseFloat(result[key]));
 }
 console.log(`With ${temp} -- type = ${knn.predict(temp)}`);
 }
 });
}


// 混淆数据集的顺序
function shuffleArray(array)
{
 for (var i = array.length - 1; i > 0; i--)
 {
 var j = Math.floor(Math.random() * (i + 1));
 var temp = array[i];
 array[i] = array[j];
 array[j] = temp;
 }
 return array;
}

在控制台执行 node index.js

$ node index.js

输出如下:

Test Set Size = 45 and number of Misclassifications = 2
prompt: Sepal Length: 1.7
prompt: Sepal Width: 2.5
prompt: Petal Length: 0.5
prompt: Petal Width: 3.4
With 1.7,2.5,0.5,3.4 -- type = 2

参考链接

欢迎加入 我们Fundebug全栈BUG监控交流群: 622902485

来自:https://kiwenlau.com/2017/07/10/javascript-machine-learning-knn/

 

编程技巧