基于留一法的快速KNN代码

ubeautqq

留一法交叉验证（LOOCV）
$ M  g- }* N) k: I+ o留一法即Leave-One-Out Cross Validation。这种方法比较简单易懂，就是把一个大的数据集分为k个小数据集，其中k-1个作为训练集，剩下的一个作为测试集，然后选择下一个作为测试集，剩下的k-1个作为训练集，以此类推。其主要目的是为了防止过拟合，评估模型的泛化能力。计算时间较长。
1 q: k8 w0 G5 O; k. J- B
适用场景：

% }3 @# U) n( m! h. o6 ~数据集少，如果像正常一样划分训练集和验证集进行训练，那么可以用于训练的数据本来就少，还被划分出去一部分，这样可以用来训练的数据就更少了。loocv可以充分的利用数据。
/ K- [- I/ F! I0 C

快速留一法KNN
) U% R, B$ N; d. n6 x, E5 n( R
. E9 M# q* j6 P$ x/ m! u2 b/ d因为LOOCV需要划分N次，产生N批数据，所以在一轮训练中，要训练出N个模型，这样训练时间就大大增加。为了解决这样的问题，根据留一法的特性，我们可以提前计算出不同样本之间的距离（或者距离的中间值），存储起来。使用LOOCV时直接从索引中取出即可。下面的代码以特征选择为Demo，验证快速KNN留一法。

1 N  S9 e7 g; n2 V其中FSKNN1是普通KNN，FSKNN2是快速KNN
' y$ P) R* ^1 K" m! B6 ]3 ~
主函数main.m
0 b, V$ @; V4 w1 i7 j+ D+ h2 Z( J

• clc
• [train_F,train_L,test_F,test_L] = divide_dlbcl();
• dim = size(train_F,2);
• individual = rand(1,dim);
• global choice
• choice = 0.5;
• global knnIndex
• [knnIndex] = preKNN(individual,train_F);
• for i = 1:100
•     [error,fs] = FSKNN1(individual,train_F,train_L);
•     [error2,fs2] = FSKNN2(individual,train_F,train_L);
• end
  4 V8 @, i: v: p/ S. X. p% T

1 o& h9 }9 ^) A7 U+ _1 o# H+ v7 p
0 E( H9 y: P% x' J' s数据集划分divide_dlbcl.m
. B6 J. O9 G$ a! p
, \: G+ e: Y1 a5 _, ?

• function [train_F,train_L,test_F,test_L] = divide_dlbcl()
• load DLBCL.mat;
• dataMat=ins;
• len=size(dataMat,1);
• %归一化
• maxV = max(dataMat);
• minV = min(dataMat);
• range = maxV-minV;
• newdataMat = (dataMat-repmat(minV,[len,1]))./(repmat(range,[len,1]));
• Indices   =  crossvalind('Kfold', length(lab), 10);
• site = find(Indices==1|Indices==2|Indices==3);
• test_F = newdataMat(site,：);
• test_L = lab(site);
• site2 = find(Indices~=1&Indices~=2&Indices~=3);
• train_F = newdataMat(site2,：);
• train_L =lab(site2);
• end
  

简单KNN
; x  q; u$ ?. _$ ?4 E5 u
FSKNN1.m
- d9 T6 U2 h6 B& g* M

• function [error,fs] = FSKNN1(x,train_F,train_L)
• global choice
• inmodel = x>choice;%%%%%设定恰当的阈值选择特征
• k=1;
• train_f=train_F(:,inmodel);
• train_length = size(train_F,1);
• flag = logical(ones(train_length,1));
• error=0;
• for j=1:train_length
•     flag(j) = 0;
•     CtrainF = train_f(flag,：);
•     CtrainL = train_L(flag);
•     CtestF = train_f(~flag,：);
•     CtestL = train_L(~flag);
•     classifyresult= KNN1(CtestF,CtrainF,CtrainL,k);
•     if (CtestL~=classifyresult)
•         error=error+1;
•     end
•     flag(j) = 1;
• end
•   error=error/train_length;
•   fs = sum(inmodel);
• end
  

* K, g6 Q; \" N) D, j, M
KNN1.m
4 O' B0 {( q, g8 B. ?
# l% e$ P2 H" g

• function relustLabel = KNN1(inx,data,labels,k)
• %%
• %   inx 为 输入测试数据，data为样本数据，labels为样本标签 k值自定1~3
• %%
• [datarow , datacol] = size(data);
• diffMat = repmat(inx,[datarow,1]) - data ;
• distanceMat = sqrt(sum(diffMat.^2,2));
• [B , IX] = sort(distanceMat,'ascend');
• len = min(k,length(B));
• relustLabel = mode(labels(IX(1:len)));
• end
  - N( T4 f2 u% \  Q' X/ c9 j

1 {: ]' Y9 l/ J6 `6 P* C快速KNN

preKNN.m
) d; P' P0 z/ s3 X
' `: K; H3 Q' H* w# E

• function [knnIndex] = preKNN(x,train_F)
•     inmodel = x > 0;
•     train_f=train_F(:,inmodel);
•     train_length = size(train_F,1);
•     flag = logical(ones(train_length,1));
•     knnIndex = cell(train_length,1);
•     for j=1:train_length
•         flag(j) = 0;
•         CtrainF = train_f(flag,：);
•         CtestF = train_f(~flag,：);
•         [datarow , ~] = size(CtrainF);
•         diffMat = repmat(CtestF,[datarow,1]) - CtrainF ;
•         diffMat = diffMat.^2;
•         knnIndex{j,1} = diffMat;
•         flag(j) = 1;
•     end
• end
  

  K) b7 g& i0 V1 m/ k! d* T3 _6 \
1 ^. X+ S% L2 F. ~  qFSKNN2.m
0 W6 U, A, S- n' m$ z) s( y% S9 c

• function [error,fs] = FSKNN2(x,train_F,train_L)
• global choice
• inmodel = x>choice;%%%%%设定恰当的阈值选择特征
• global knnIndex
• k=1;
• train_length = size(train_F,1);
• flag = logical(ones(train_length,1));
• error=0;
• for j=1:train_length
•     flag(j) = 0;
•     CtrainL = train_L(flag);
•     CtestL = train_L(~flag);
•     classifyresult= KNN2(CtrainL,k,knnIndex{j}(:,inmodel));
•     if(CtestL~=classifyresult)
•         error=error+1;
•     end
•     flag(j) = 1;
• end
•   error=error/train_length;
•   fs = sum(inmodel);
• end
  

KNN2.m

• function relustLabel = KNN2(labels,k,diffMat)
• distanceMat = sqrt(sum(diffMat,2));
• [B , IX] = sort(distanceMat,'ascend');
• len = min(k,length(B));
• relustLabel = mode(labels(IX(1:len)));
• end
  

" l" g+ D& g( |% \% I: @, x结果
9 g6 I' h  ^/ ~7 m0 A


可以看到FSKNN2+preKNN的时间比FSKNN1要少很多。

ExxNEN

基于留一法的快速KNN代码

smileqq

基于留一法的快速KNN代码

SsaaM7

基于留一法的快速KNN代码