scikit - python k nearest neighbor classifier

Implementa el clasificador K Neighbors en scikit-learn con 3 funciones por objeto

Question

Me gustaría implementar un KNeighborsClassifier con el módulo scikit-learn ( http://scikit-learn.org/dev/modules/generated/sklearn.neighbors.KNeighborsClassifier.html )

Recupero de mi imagen las características de solidez, elongación y Humoments. ¿Cómo puedo preparar estos datos para entrenamiento y validación? Debo crear una lista con las 3 funciones [Hm, e, s] para cada objeto que recuperé de mis imágenes (de 1 imagen tienen más objetos)?

Leí este ejemplo ( http://scikit-learn.org/dev/modules/generated/sklearn.neighbors.KNeighborsClassifier.html ):

X = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]
from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y) 

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

X e y son 2 características?

samples = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]]
from sklearn.neighbors import NearestNeighbors
neigh = NearestNeighbors(n_neighbors=1)
neigh.fit(samples) 

print(neigh.kneighbors([1., 1., 1.])) 

¿Por qué en el primer ejemplo usa X e y y muestra?

Answer 1

Su primer segmento de código define un clasificador en datos 1d .

X representa los vectores de características.

[0] is the feature vector of the first data example
[1] is the feature vector of the second data example
....
[[0],[1],[2],[3]] is a list of all data examples, 
  each example has only 1 feature.

y representa las etiquetas.

Debajo del gráfico se muestra la idea:

• Los nodos verdes son datos con la etiqueta 0
• Los nodos rojos son datos con la etiqueta 1
• Los nodos grises son datos con etiquetas desconocidas.

print(neigh.predict([[1.1]]))

Esto le pide al clasificador que prediga una etiqueta para x=1.1 .

    print(neigh.predict_proba([[0.9]]))

Esto le pide al clasificador que proporcione una estimación de probabilidad de membresía para cada etiqueta.

Debido a que ambos nodos grises se encuentran más cerca del verde, los resultados debajo de la salida tienen sentido.

    [0] # green label
    [[ 0.66666667  0.33333333]]  # green label has greater probability

El segundo segmento de código tiene buenas instrucciones en scikit-learn :

En el siguiente ejemplo, construimos una clase NeighborsClassifier a partir de una matriz que representa nuestro conjunto de datos y preguntamos quién es el punto más cercano a [1,1,1]

>>> samples = [[0., 0., 0.], [0., .5, 0.], [1., 1., .5]] >>> from sklearn.neighbors import NearestNeighbors >>> neigh = NearestNeighbors(n_neighbors=1) >>> neigh.fit(samples) NearestNeighbors(algorithm=''auto'', leaf_size=30, ...) >>> print(neigh.kneighbors([1., 1., 1.])) (array([[ 0.5]]), array([[2]]...))

No hay un valor objetivo aquí porque esta es solo una clase NearestNeighbors , no es un clasificador, por lo tanto, no se necesitan etiquetas.

Para su propio problema:

Como necesita un clasificador, debe recurrir a KNeighborsClassifier si desea utilizar el enfoque KNN . Es posible que desee construir su vector de características X y la etiqueta y siguiente manera:

X = [ [h1, e1, s1], 
      [h2, e2, s2],
      ...
    ]
y = [label1, label2, ..., ]