【Python】K近傍法のサンプルプログラムを書いてみた！ │ Traveler

最近Pythonで遊んでおります。

ってことで今回は、K近傍法のサンプルプログラムを書いてみました。

僕のプロフィールはこちら

1. 環境
2. ソースコード
3. K近傍法とは
4. K近傍法のサンプルプログラム
5. K近傍法による実行結果
6. おすすめ本
7. まとめ
8. 関連記事

環境

・JupyterLab

僕はDocker環境を利用しています。

■参考記事

Traveler

Docker×JupyterLab環境構築手順！インストールは一切不要！

https://traveler0401.com/docker-anaconda/

Anacondaとかをホストには入れたくないので、Dockerで使えるようにします。最終的にDockerさえあれば、他ツールのインストールは一切不要です。ってことで今回は、Docker×JupyterLabの環境構築手順を説明します。僕のプロフィールはこちら Docker×J...

ソースコード

■GitHub

URL：「https://github.com/izumin0401/docker-anaconda/blob/master/k_nearest_neighbor_algorithm.ipynb」

K近傍法とは

他サイトにいっぱい情報があるので割愛します。

K近傍法のサンプルプログラム

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# アイリスデータをロードする
iris = load_iris()

# 学習用データ、予測用データ、学習用教師データ、予測用教師データを「学習：8、予測：2」の割合で割り当てる
(train_X, test_X, train_Y, test_Y) = train_test_split(iris.data, iris.target, test_size=0.2)

# K近傍法用インスタンス生成
model = KNeighborsClassifier()

# 学習モデル生成
model.fit(train_X, iris.target_names[train_Y])

# K近傍法による予測を行う
pred = model.predict(test_X)

# 精度を計算する
score = accuracy_score(iris.target_names[test_Y], pred)

# 結果を出力する
print('score:%s' % score)
print(classification_report(iris.target_names[test_Y], pred))
print(confusion_matrix(iris.target_names[test_Y], pred))

from sklearn.datasets import load_iris

from sklearn.model_selection import train_test_split

from sklearn.neighbors import KNeighborsClassifier

from sklearn import metrics

from sklearn.metrics import accuracy_score, confusion_matrix, classification_report

# アイリスデータをロードする

iris = load_iris()

# 学習用データ、予測用データ、学習用教師データ、予測用教師データを「学習：8、予測：2」の割合で割り当てる

(train_X, test_X, train_Y, test_Y) = train_test_split(iris.data, iris.target, test_size=0.2)

# K近傍法用インスタンス生成

model = KNeighborsClassifier()

# 学習モデル生成

model.fit(train_X, iris.target_names[train_Y])

# K近傍法による予測を行う

pred = model.predict(test_X)

# 精度を計算する

score = accuracy_score(iris.target_names[test_Y], pred)

# 結果を出力する

print('score:%s' % score)

print(classification_report(iris.target_names[test_Y], pred))

print(confusion_matrix(iris.target_names[test_Y], pred))

K近傍法のサンプルプログラムです。

※データはアイリスデータを使用しています。

K近傍法による実行結果

score:1.0
              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00        15
  versicolor       1.00      1.00      1.00         5
   virginica       1.00      1.00      1.00        10

    accuracy                           1.00        30
   macro avg       1.00      1.00      1.00        30
weighted avg       1.00      1.00      1.00        30

[[15  0  0]
 [ 0  5  0]
 [ 0  0 10]]

score:1.0

precision recall f1-score support

setosa 1.00 1.00 1.00 15

versicolor 1.00 1.00 1.00 5

virginica 1.00 1.00 1.00 10

accuracy 1.00 30

macro avg 1.00 1.00 1.00 30

weighted avg 1.00 1.00 1.00 30

[[15 0 0]

[ 0 5 0]

[ 0 0 10]]

今回は精度「1.0」なので全問正解ですね。

score:0.9666666666666667
              precision    recall  f1-score   support

      setosa       1.00      1.00      1.00         6
  versicolor       0.94      1.00      0.97        15
   virginica       1.00      0.89      0.94         9

    accuracy                           0.97        30
   macro avg       0.98      0.96      0.97        30
weighted avg       0.97      0.97      0.97        30

[[ 6  0  0]
 [ 0 15  0]
 [ 0  1  8]]