Question

我正在使用scikit Learn在python中构建一个简单的KNN模型。我在UCI的wine数据集上对其进行了测试，发现.predict()函数返回的结果不是邻居的多数类。

knn = KNeighborsClassifier(n_neighbors=3,weights='uniform')

knn.fit(wine,class_wine)
predictions = list(knn.predict(wine))
# S is array I've made that chooses majority class from neighbors of each instance
a = list(zip(predictions,list(S)))        

for i in range(0,len(wine)):
    if(predictions[i]!=S[i]):
        print(predictions[i],S[i],class_wine[knn.kneighbors()[1][i].tolist()].tolist())

输出看起来像这样：

1.0 3.0 [3.0, 2.0, 3.0]
1.0 2.0 [1.0, 2.0, 2.0]
1.0 2.0 [1.0, 2.0, 2.0]
1.0 3.0 [3.0, 1.0, 3.0]
3.0 2.0 [2.0, 3.0, 2.0]

第一列是scikit算法的预测，第二列是我的算法，该算法使用kneighbors（）函数，并从返回的列表中选择多数类，如预期的那样。第三列是邻居列表。

如您所见，KNeighborsClassifier中的predict（）所做的事情有所不同。

我缺少有关KNeighborsClassifier的实现吗？

Answer 1

使用knn.kneighbors()时，如果不使用X参数，它将使用用于拟合模型的训练数据（self中的内容），并从可能的邻居集合。但是，当您使用knn.predict时，它不能排除该点，因为它不知道该点是同一点（可能是某些具有相同确切功能的其他葡萄酒）。构建自己的预测变量时，请尝试使用knn.kneighbors(wine)。

为什么scikit中的KNN算法无法按预期工作？

1 个答案: