Ignite中如何使用k-最近鄰分類算法

Ignite中如何使用k-最近鄰分類算法，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

首先，要獲取原始數據并將其拆分成訓練數據（60%）和測試數據（40%）。然后再次使用Scikit-learn來執行這個任務，下面修改一下前一篇文章中使用的代碼，如下：

from sklearn import datasets
import pandas as pd

# Load Iris dataset.
iris_dataset = datasets.load_iris()
x = iris_dataset.data
y = iris_dataset.target

# Split it into train and test subsets.
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.4, random_state=23)

# Save train set.
train_ds = pd.DataFrame(x_train, columns=iris_dataset.feature_names)
train_ds["TARGET"] = y_train
train_ds.to_csv("iris-train.csv", index=False, header=None)

# Save test set.
test_ds = pd.DataFrame(x_test, columns=iris_dataset.feature_names)
test_ds["TARGET"] = y_test
test_ds.to_csv("iris-test.csv", index=False, header=None)

當訓練和測試數據準備好之后，就可以寫應用了，本文的算法是：

1. 讀取訓練數據和測試數據；

2. 在Ignite中保存訓練數據和測試數據；

3. 使用訓練數據擬合k-NN模型；

4. 將模型應用于測試數據；

5. 確定模型的準確性。

讀取訓練數據和測試數據

需要讀取兩個有5列的CSV文件，一個是訓練數據，一個是測試數據，5列分別為：

1. 萼片長度（cm）

2. 萼片寬度（cm）

3. 花瓣長度（cm）

4. 花瓣寬度（cm）

5. 花的種類（0：Iris Setosa，1：Iris Versicolour，2：Iris Virginica）

通過下面的代碼，可以從CSV文件中讀取數據：

private static void loadData(String fileName, IgniteCache<Integer, IrisObservation> cache)
        throws FileNotFoundException {

   Scanner scanner = new Scanner(new File(fileName));

   int cnt = 0;
   while (scanner.hasNextLine()) {
      String row = scanner.nextLine();
      String[] cells = row.split(",");
      double[] features = new double[cells.length - 1];

      for (int i = 0; i < cells.length - 1; i++)
         features[i] = Double.valueOf(cells[i]);
      double flowerClass = Double.valueOf(cells[cells.length - 1]);

      cache.put(cnt++, new IrisObservation(features, flowerClass));
   }
}

該代碼簡單地一行行的讀取數據，然后對于每一行，使用CSV的分隔符拆分出字段，每個字段之后將轉換成double類型并且存入Ignite。

將訓練數據和測試數據存入Ignite

前面的代碼將數據存入Ignite，要使用這個代碼，首先要創建Ignite存儲，如下：

IgniteCache<Integer, IrisObservation> trainData = getCache(ignite, "IRIS_TRAIN");
IgniteCache<Integer, IrisObservation> testData = getCache(ignite, "IRIS_TEST");
loadData("src/main/resources/iris-train.csv", trainData);
loadData("src/main/resources/iris-test.csv", testData);

getCache()的實現如下：

private static IgniteCache<Integer, IrisObservation> getCache(Ignite ignite, String cacheName) {

   CacheConfiguration<Integer, IrisObservation> cacheConfiguration = new CacheConfiguration<>();
   cacheConfiguration.setName(cacheName);
   cacheConfiguration.setAffinity(new RendezvousAffinityFunction(false, 10));

   IgniteCache<Integer, IrisObservation> cache = ignite.createCache(cacheConfiguration);

   return cache;
}

使用訓練數據擬合k-NN分類模型

數據存儲之后，可以像下面這樣創建訓練器：

KNNClassificationTrainer trainer = new KNNClassificationTrainer();

然后擬合訓練數據，如下：

KNNClassificationModel mdl = trainer.fit(
        ignite,
        trainData,
        (k, v) -> v.getFeatures(),     
// Feature extractor.

        (k, v) -> v.getFlowerClass())  
// Label extractor.

        .withK(3)
        .withDistanceMeasure(new EuclideanDistance())
        .withStrategy(KNNStrategy.WEIGHTED);

Ignite將數據保存為鍵-值(K-V)格式，因此上面的代碼使用了值部分，目標值是Flower類，特征在其它列中。將k的值設為3，代表3種。對于距離測量，可以有幾個選擇，如歐幾里德、漢明或曼哈頓，在本例中使用歐幾里德。最后要指定是使用SIMPLE算法還是使用WEIGHTED k-NN算法，在本例中使用WEIGHTED。

將模型應用于測試數據

下一步，就可以用訓練好的分類模型測試測試數據了，可以這樣做：

int amountOfErrors = 0;
int totalAmount = 0;

try (QueryCursor<Cache.Entry<Integer, IrisObservation>> cursor = testData.query(new ScanQuery<>())) {
   for (Cache.Entry<Integer, IrisObservation> testEntry : cursor) {
      IrisObservation observation = testEntry.getValue();

      double groundTruth = observation.getFlowerClass();
      double prediction = mdl.apply(new DenseLocalOnHeapVector(observation.getFeatures()));

      totalAmount++;
      if (groundTruth != prediction)
         amountOfErrors++;

      System.out.printf(">>> | %.0f\t\t\t | %.0f\t\t\t|\n", prediction, groundTruth);
   }

   System.out.println(">>> -----------------------------");

   System.out.println("\n>>> Absolute amount of errors " + amountOfErrors);
   System.out.printf("\n>>> Accuracy %.2f\n", (1 - amountOfErrors / (double) totalAmount));
}

確定模型的準確性

下面，就可以通過對測試數據中的真實分類和模型進行的分類進行對比，來確認模型的真確性。

代碼運行之后，總結如下：

>>> Absolute amount of errors 2
>>> Accuracy 0.97

因此，Ignite能夠將97%的測試數據正確地分類為3個不同的種類。

關于Ignite中如何使用k-最近鄰分類算法問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。