内容简介

本实验介绍了使用MindSpore框架实现K近邻算法（KNN）对红酒数据集进行分类的全过程。通过数据读取、预处理、模型构建与预测，展示了KNN算法在红酒数据集上的应用。实验中详细解释了KNN的原理、距离度量方式及其在分类问题中的应用，最后通过验证集评估模型性能，验证了KNN算法在该3分类任务上的有效性。

实验代码及注释

# 导入必要的库
import os
import csv
import numpy as np
import matplotlib.pyplot as pltimport mindspore as ms
from mindspore import nn, ops# 设置MindSpore的运行环境
ms.set_context(device_target="CPU")# 读取数据集
with open('wine.data') as csv_file:data = list(csv.reader(csv_file, delimiter=','))
print(data[56:62]+data[130:133])# 数据处理
# 将数据集的13个属性作为自变量 X，将3个类别作为因变量 Y
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)# 可视化样本分布
attrs = ['Alcohol', 'Malic acid', 'Ash', 'Alcalinity of ash', 'Magnesium', 'Total phenols','Flavanoids', 'Nonflavanoid phenols', 'Proanthocyanins', 'Color intensity', 'Hue','OD280/OD315 of diluted wines', 'Proline']
plt.figure(figsize=(10, 8))
for i in range(0, 4):plt.subplot(2, 2, i+1)a1, a2 = 2 * i, 2 * i + 1plt.scatter(X[:59, a1], X[:59, a2], label='1')plt.scatter(X[59:130, a1], X[59:130, a2], label='2')plt.scatter(X[130:, a1], X[130:, a2], label='3')plt.xlabel(attrs[a1])plt.ylabel(attrs[a2])plt.legend()
plt.show()# 划分训练集和测试集
train_idx = np.random.choice(178, 128, replace=False)
test_idx = np.array(list(set(range(178)) - set(train_idx)))
X_train, Y_train = X[train_idx], Y[train_idx]
X_test, Y_test = X[test_idx], Y[test_idx]# 构建KNN模型
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))  # 平铺输入x以匹配X_train中的样本数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)  # -dist表示值越大，样本就越接近return indicesdef 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
acc = 0
knn_net = KnnNet(5)
for x, y in zip(X_test, Y_test):pred = knn(knn_net, x, X_train, Y_train)acc += (pred == y)print('label: %d, prediction: %s' % (y, pred))
print('Validation accuracy is %f' % (acc/len(Y_test)))

学习心得

通过本次实验，我深入了解了K近邻算法（KNN）及其在分类任务中的应用。KNN是一种基于实例的学习算法，利用训练样本的多数表决结果来对新样本进行分类。它具有简单、直观的优点，但在大规模数据集上计算复杂度较高，因此需要在应用时进行适当的优化和改进。

在实验过程中，首先进行了数据读取与处理。Wine数据集包含13个属性，每个属性都对分类结果有不同程度的影响。通过可视化展示了不同类别样本在某两个属性上的分布，帮助我们直观地理解数据的可分性。接下来，通过划分训练集和测试集，保证了模型的训练和验证能够在不同的数据上进行，从而提高模型的泛化能力。

模型构建部分，通过使用MindSpore框架，利用其提供的高效算子如tile、square、ReduceSum等，构建了KNN模型。在计算距离时，选择了欧氏距离，并使用TopK算子找出距离最近的k个邻居。对于分类决策，采用了多数表决的方式，即统计k个邻居中每个类别的数量，选择最多的类别作为预测结果。

在验证阶段，取k值为5进行模型预测，验证精度约为70%。虽然准确率不算特别高，但对于一个简单的3分类任务，KNN算法仍然展现出了其有效性。通过调整k值或者加入样本权重，可以进一步优化模型性能。

label: 2, prediction: 3
label: 3, prediction: 2
label: 1, prediction: 1
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 1
label: 3, prediction: 3
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 1
label: 1, prediction: 1
label: 3, prediction: 3
label: 1, prediction: 1
label: 1, prediction: 1
label: 3, prediction: 1
label: 1, prediction: 3
label: 1, prediction: 3
label: 3, prediction: 3
label: 1, prediction: 1
label: 3, prediction: 3
label: 3, prediction: 3
label: 3, prediction: 3
label: 1, prediction: 1
label: 3, prediction: 3
label: 3, prediction: 1
label: 1, prediction: 1
label: 1, prediction: 1
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 1
label: 2, prediction: 1
label: 2, prediction: 3
label: 2, prediction: 1
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 3
label: 2, prediction: 3
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
label: 2, prediction: 2
Validation accuracy is 0.700000

本次实验不仅让我掌握了KNN算法的实现过程，还了解了MindSpore框架在机器学习任务中的应用。通过实验操作，进一步巩固了机器学习理论知识，提升了编程实战能力。同时，也深刻认识到在处理实际问题时，数据预处理和特征工程的重要性。