ISLR-python项目解析:K近邻算法(KNN)实战指南
2025-06-19 10:24:16作者:裴锟轩Denise
前言
K近邻算法(K-Nearest Neighbors, KNN)是机器学习中最简单直观的分类算法之一。本文将基于ISLR-python项目中的实验内容,深入讲解KNN算法的原理、实现方法以及在金融数据集上的应用实践。
KNN算法基础
KNN是一种基于实例的学习算法,其核心思想可以概括为"物以类聚"。对于一个待分类的样本,算法会找出训练集中与之最相似的K个样本,然后根据这K个样本的类别投票决定待分类样本的类别。
算法特点
- 非参数方法:不对数据分布做任何假设
- 惰性学习:训练阶段仅存储数据,计算推迟到预测阶段
- 距离度量:通常使用欧氏距离,也可用曼哈顿距离等
实验准备
首先导入必要的Python库:
import pandas as pd
import numpy as np
from sklearn import neighbors
from sklearn.metrics import confusion_matrix, classification_report
from sklearn import preprocessing
案例一:股票市场方向预测
数据集介绍
我们使用Smarket数据集,包含2001-2005年间S&P 500指数的以下信息:
- Lag1-Lag5:前5个交易日的收益率
- Volume:前一天的交易量(十亿股)
- Today:当日收益率
- Direction:市场方向(Up/Down)
df = pd.read_csv('Smarket.csv', usecols=range(1,10), index_col=0, parse_dates=True)
df.head()
数据划分
将数据按时间划分为训练集(2001-2004)和测试集(2005):
X_train = df[:'2004'][['Lag1','Lag2']]
y_train = df[:'2004']['Direction']
X_test = df['2005':][['Lag1','Lag2']]
y_test = df['2005':]['Direction']
KNN模型构建与评估
使用K=1构建模型:
knn = neighbors.KNeighborsClassifier(n_neighbors=1)
pred = knn.fit(X_train, y_train).predict(X_test)
评估模型性能:
print(confusion_matrix(y_test, pred).T)
print(classification_report(y_test, pred, digits=3))
尝试K=3改进模型:
knn = neighbors.KNeighborsClassifier(n_neighbors=3)
pred = knn.fit(X_train, y_train).predict(X_test)
print(confusion_matrix(y_test, pred).T)
print(classification_report(y_test, pred, digits=3))
结果分析
实验表明,在这个数据集上KNN表现不佳,准确率仅略高于随机猜测。这说明市场方向预测可能需要更复杂的模型或更多特征。
案例二:保险购买预测
数据集介绍
Caravan数据集包含5,822个人的85个人口统计学特征,目标是预测是否会购买保险。只有6%的人购买了保险,数据存在严重不平衡。
df2 = pd.read_csv('Caravan.csv')
df2["Purchase"].value_counts()
数据标准化
KNN对特征尺度敏感,必须进行标准化处理:
y = df2.Purchase
X = df2.drop('Purchase', axis=1).astype('float64')
X_scaled = preprocessing.scale(X)
数据划分
前1000个样本作为测试集,其余作为训练集:
X_train = X_scaled[1000:,:]
y_train = y[1000:]
X_test = X_scaled[:1000,:]
y_test = y[:1000]
KNN模型构建与评估
使用K=1构建模型:
knn = neighbors.KNeighborsClassifier(n_neighbors=1)
pred = knn.fit(X_train, y_train).predict(X_test)
print(classification_report(y_test, pred, digits=3))
查看混淆矩阵:
print(confusion_matrix(y_test, pred).T)
结果解读
虽然整体准确率不高,但KNN成功识别出了部分潜在客户,预测购买的人群中实际购买比例(11.7%)是随机猜测(6%)的近两倍。这表明KNN在这个不平衡数据集上发现了有意义的模式。
KNN实践建议
- 特征标准化:KNN对特征尺度敏感,必须进行标准化
- K值选择:通过交叉验证选择最优K值,避免过拟合(K太小)或欠拟合(K太大)
- 距离度量:根据数据特点选择合适的距离度量方式
- 类别不平衡:考虑使用加权投票或调整分类阈值
- 降维处理:高维数据可先进行降维提高效率
总结
通过ISLR-python项目中的两个案例,我们实践了KNN算法在金融领域的应用。虽然KNN简单直观,但其性能高度依赖于数据特点和参数选择。在实际应用中,需要结合业务场景和数据特性进行适当的调整和优化。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava03GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0295- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
260

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
21
5