昇思25天学习打卡营第9天 |昇思MindSpore K近邻算法实现红酒聚类

一、介绍

本次实验主要运用 MindSpore 在部分 wine 数据集上开展 KNN 实验，旨在深入理解 KNN 算法的原理与应用，并通过实际操作掌握其在数据分类中的具体实现。

二、K 近邻算法原理

要素	描述
K 值	决定分类结果的邻居数量，过小易受噪声影响，过大则类别界限模糊。
距离度量	反映样本相似度，常用欧式距离、曼哈顿距离、海明距离等。
分类决策规则	通常为多数表决或基于距离加权的多数表决。

分类问题
- 流程：找出待测样本的最近 k 个样本，统计各类别样本个数，取最多数类别为结果。
- 带权重的 k 近邻算法：考虑样本投票权重。
回归问题
- 无权重：预测值为最近 k 个训练样本标签均值。
- 带权重：预测值为加权后的标签均值。
距离定义
- 欧氏距离：常用于 KNN 算法，使用时需对特征向量各分量归一化。
- 其他距离：如 Mahalanobis 距离、Bhattacharyya 距离等。

三、数据处理

步骤	描述
数据准备	可从 Wine 数据集官网或华为云 OBS 下载 wine.data 文件。
数据读取与处理	导入所需模块，配置运行信息，读取并处理 Wine 数据集，将数据分为自变量 X 和因变量 Y，对样本的某些属性进行二维可视化，观察样本分布和可分性，划分训练集和验证集。

四、数据集的作用

作用	说明
提供数据基础	Wine 数据集包含不同种类葡萄酒的各种特征值，为算法提供分析和学习素材。
验证算法效果	通过对已知类别的样本学习和预测，评估 K 近邻算法在该数据集上的准确性和有效性。
探索特征关系	帮助了解不同葡萄酒特征之间的内在联系，及特征如何影响分类结果。

以下是读取和处理数据集的代码示例：

import os
import csv
import numpy as np# 读取数据集
with open('wine.data') as csv_file:data = list(csv.reader(csv_file, delimiter=','))# 提取自变量和因变量
X = np.array([[float(x) for x in s[1:]] for s in data[:178]], np.float32)
Y = np.array([s[0] for s in data[:178]], np.int32)

五、模型构建与预测

计算距离
- 构建 KnnNet 类，利用 MindSpore 算子计算输入样本与训练样本的距离，并获取 top k 近邻。

class KnnNet(nn.Cell):def __init__(self, k):super(KnnNet, self).__init__()self.k = kdef construct(self, x, X_train):x_tile = ops.tile(x, (128, 1))square_diff = ops.square(x_tile - X_train)square_dist = ops.sum(square_diff, 1)dist = ops.sqrt(square_dist)values, indices = ops.topk(-dist, self.k)return indices

预测函数
- 定义 knn 函数，根据近邻样本类别进行预测。

def knn(knn_net, x, X_train, Y_train):x, X_train = ms.Tensor(x), ms.Tensor(X_train)indices = knn_net(x, X_train)topk_cls = [0]*len(indices.asnumpy())for idx in indices.asnumpy():topk_cls[Y_train[idx]] += 1cls = np.argmax(topk_cls)return cls

模型预测
- 在验证集上进行预测，k 取 5，验证精度约 80%，表明 KNN 算法在该三分类任务上有效。

六、可用于 K 近邻算法聚类实验的其他数据集

数据集	描述
Iris 数据集	包含鸢尾花的花瓣长度、宽度等特征，用于花卉种类的分类。
MNIST 数据集	手写数字图像数据集，可用于数字分类任务。
20 Newsgroups 数据集	文本分类数据集，可通过提取文本特征进行分类。

七、KNN 算法中距离度量的作用

距离度量在 KNN 算法中起着至关重要的作用：