Python 機械学習プログラミング https://www.amazon.co.jp/dp/B01HGIPIAK/ を見ながらコードを動かしてみた。
アルゴリズムの説明は、ここがわかりやすかったです。ちなみにkNNは学習のフェーズがないんですね。
https://qiita.com/NoriakiOshita/items/698056cb74819624461f
sklearnの KNeighborsClassifierで一発。最初はデータの標準化なしでやってみました。それっぽい分類はできたのですが、じーっと図を眺めてようやく標準化の意味が分かりました。標準化しないと、長さの単位がmmかcmかだけでも全然距離が変わってしまいますね。
全コード
from sklearn import datasets import matplotlib.pyplot as plt import numpy as np import seaborn iris = datasets.load_iris() X = iris.data[:, [2,3]] y = iris.target from matplotlib.colors import ListedColormap def plot_decision_regions(X, y, classifier, test_idx=None, resolution=0.02): # setup marker generator and color map markers = ('s', 'x', 'o', '^', 'v') colors = ('red', 'blue', 'lightgreen', 'gray', 'cyan') cmap = ListedColormap(colors[:len(np.unique(y))]) # plot the decision surface x1_min, x1_max = X[:, 0].min() - 1, X[:, 0].max() + 1 x2_min, x2_max = X[:, 1].min() - 1, X[:, 1].max() + 1 xx1, xx2 = np.meshgrid(np.arange(x1_min, x1_max, resolution), np.arange(x2_min, x2_max, resolution)) Z = classifier.predict(np.array([xx1.ravel(), xx2.ravel()]).T) Z = Z.reshape(xx1.shape) plt.contourf(xx1, xx2, Z, alpha=0.4, cmap=cmap) plt.xlim(xx1.min(), xx1.max()) plt.ylim(xx2.min(), xx2.max()) for idx, cl in enumerate(np.unique(y)): plt.scatter(x=X[y == cl, 0], y=X[y == cl, 1], alpha=0.8, c=cmap(idx), marker=markers[idx], label=cl) # highlight test samples if test_idx: X_test, y_test = X[test_idx, :], y[test_idx] plt.scatter(X_test[:, 0], X_test[:, 1], c='', alpha=1.0, linewidths=1, marker='o', s=55, label='test set') from sklearn.cross_validation import train_test_split from sklearn.preprocessing import StandardScaler X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0) sc = StandardScaler() sc.fit(X_train) X_train_std = sc.transform(X_train) X_test_std = sc.transform(X_test) X_combined = np.vstack((X_train_std, X_test_std)) y_combined = np.hstack((y_train, y_test)) from sklearn.neighbors import KNeighborsClassifier knn = KNeighborsClassifier(n_neighbors=5, p=2, metric='minkowski') knn.fit(X_train_std, y_train) plot_decision_regions(X_combined, y_combined, classifier=knn, test_idx=range(105, 150)) plt.xlabel('petal length (std)') plt.ylabel('petal width (std)') plt.show()