Java实现的KNN算法示例

下面是Java实现KNN算法的完整攻略：

什么是KNN算法？

KNN（K-Nearest Neighbors）算法是一种经典的机器学习算法，属于分类算法。该算法基于样本之间的距离（通常用欧式距离），将测试样本与训练样本进行相似度比较，选取距离最近的K个训练样本，通过少数服从多数的投票方式，确定测试样本的类别。

KNN算法可以用于分类和回归问题，本文仅介绍分类问题。

KNN算法实现流程

1. 准备数据集：KNN算法需要数据集，其包含输入数据和输出数据。输入数据是已知类别的数据集，输出数据是待分类的数据。通常将数据集切分成训练集和测试集，其中训练集用于构建KNN模型，测试集用于评估模型的准确性。

2. 特征提取：对于每个数据样本，需要将其转换成可用于计算距离的特征向量。

3. 计算距离：使用欧式距离等距离度量方法，计算测试集中的每个数据样本与训练集中样本之间的距离。

4. 选择K值：选择距离测试集最近的前K个训练集样本。

5. 投票决策：统计前K个训练集样本中出现最多的类别，作为测试集样本的预测输出。

KNN算法Java实现示例

示例一

下面是一个简单的KNN算法Java实现示例：

// 计算欧式距离
public static double euclideanDistance(int[] a, int[] b) {
    double sum = 0;
    for (int i = 0; i < a.length; i++) {
        sum += Math.pow(a[i] - b[i], 2);
    }
    return Math.sqrt(sum);
}

// 预测测试数据的类别
public static int predictCategory(int[][] trainData, int[] testData, int k) {
    // 计算所有训练数据与测试数据之间的距离
    Map<Double, Integer> distanceMap = new TreeMap<>();
    for (int i = 0; i < trainData.length; i++) {
        double distance = euclideanDistance(trainData[i], testData);
        distanceMap.put(distance, trainData[i][trainData[i].length - 1]);
    }
    // 选择距离最近的前K个训练样本
    int[] category = new int[k];
    int index = 0;
    for (Map.Entry<Double, Integer> entry : distanceMap.entrySet()) {
        if (index == k) {
            break;
        }
        category[index++] = entry.getValue();
    }
    // 统计出现次数最多的类别，并返回
    int maxCategory = 0;
    int maxCount = 0;
    for (int i = 0; i < category.length; i++) {
        int count = 0;
        for (int j = 0; j < category.length; j++) {
            if (category[i] == category[j]) {
                count++;
            }
        }
        if (count > maxCount) {
            maxCount = count;
            maxCategory = category[i];
        }
    }
    return maxCategory;
}

public static void main(String[] args) {
    // 训练集数据
    int[][] trainData = {{1, 1, 1}, {2, 2, 2}, {3, 3, 1}, {4, 4, 1}, {5, 5, 2}, {6, 6, 2}};
    // 测试集数据
    int[] testData = {2, 3};
    // 预测测试数据的类别
    int k = 3;
    int category = predictCategory(trainData, testData, k);
    System.out.println("测试数据的类别为：" + category);
}

在该示例中，假设训练集数据有两个特征和一个类别，测试集数据有两个特征。通过计算欧式距离来比较测试集样本和训练集样本之间的相似度，并使用前K个距离最近的训练样本的类别进行投票决策，最终得到测试集样本的预测类别。

示例二

下面是一个利用KNN算法实现鸢尾花分类的Java示例代码：

public class KNN {
    private static final double TRAIN_DATA_RATIO = 0.8;
    private static final int K = 3;
    private static final String[] CATEGORY = {"setosa", "versicolor", "virginica"};

    public static void main(String[] args) throws Exception {
        // 导入数据，分割训练集和测试集
        Instances data = DataSource.read("iris.arff");
        data.setClassIndex(data.numAttributes() - 1);
        int trainSize = (int) Math.round(data.numInstances() * TRAIN_DATA_RATIO);
        Instances trainData = new Instances(data, 0, trainSize);
        Instances testData = new Instances(data, trainSize, data.numInstances() - trainSize);

        // 构建模型，预测测试集
        IBk model = new IBk(K);
        model.buildClassifier(trainData);
        Evaluation eval = new Evaluation(trainData);
        eval.evaluateModel(model, testData);
        System.out.println(eval.toSummaryString());

        Instance testInstance = testData.firstInstance();
        double predictedClass = model.classifyInstance(testInstance);
        System.out.println("Predicted class: " + CATEGORY[(int) predictedClass]);
        System.out.println("Actual class: " + CATEGORY[(int) testInstance.classValue()]);
    }
}

在该示例中，利用Weka库导入鸢尾花数据集，分割出训练集数据和测试集数据。使用IBk算法构建KNN模型，并使用Evaluation类对模型进行评估。最终通过classifyInstance()方法对测试集样本进行分类预测，并与实际类别进行比较。