Python，OpenCV中的K近邻（knn K-Nearest Neighbor）及改进版的K近邻

1. 效果图
2. 源码
参考

这篇博客将介绍将K-最近邻 (KNN K-Nearest Neighbor) 算法及改进版的K近邻，并演示如何根据K近邻进行简单的分类；

KNN 是可用于监督学习的最简单的分类算法之一，是在特征空间中搜索测试数据的最接近匹配。

KNN & 改进的KNN

分类时，仅考虑距离，最好将 k 作为奇数，称之为 k-Nearest Neighbor，K近邻。
同样的，对于靠近它的人获得更高的权重，而远离它的人获得更低的权重。 谁的总权重最高，新人就会进入哪个类，这称为改进的 KNN。

如上图有俩个类（红色三角和蓝色方形），假设新进来一个绿色圆，那么仅考虑K近邻，如果k=1，则绿色圆属于红色；
如果k=3，则绿色圆属于红色；如果k=7，则绿色圆属于蓝色方形。那么k=4时，2个方形、2个三角，这应该怎么分类呢？

因此K近邻中最好k为奇数，以及使用改进的KNN。

1. 效果图

随意生成若干点图如下：
任意生成25个点，0：红色三角，1：蓝色方形；

随意增加一个绿色点，并预测其属于哪种类别，效果图如下：

result: [[0.]]
neighbours: [[0. 0. 0.]]
distance: [[ 25. 122. 1765.]]

可以看到下图中绿色近邻3个点为红色，预测结果也为0红色；

随意增加10个新加入的绿色点，效果图如下：
可以看到如下的预测结果中，10个点中9个的近邻点多为0：红色三角，1个点的3个近邻点多为1：蓝色方形。

result: [[0.]
[0.]
[0.]
[0.]
[0.]
[0.]
[0.]
[1.]
[0.]
[0.]]

2. 源码

# K近邻 & 改进版的K近邻(权重)# K近邻，随机生成一堆点分类为0：红色三角，1：蓝色方形。并训练KNN模型
# 然后对新加入的一个点或者多个点寻找K近邻，并预测其属于哪个分类。
# K必须为奇数，因此当3近邻时，平均法确保能找到属于固定的哪个类别；
# 改进的KNN,K为奇数,且不同的类别具有不同的权重.import cv2
import matplotlib.pyplot as plt
import numpy as np# 随机构建25个点，用于测试
trainData = np.random.randint(0, 100, (25, 2)).astype(np.float32)# 随机分类标签为 0：红色，1：蓝色
responses = np.random.randint(0, 2, (25, 1)).astype(np.float32)# 拿到属于红色类别的数据，并绘制为红色
red = trainData[responses.ravel() == 0]
plt.scatter(red[:, 0], red[:, 1], 80, 'r', '^')# 拿到绿色类别的数据，并绘制为蓝色
blue = trainData[responses.ravel() == 1]
plt.scatter(blue[:, 0], blue[:, 1], 80, 'b', 's')# 先不展示，等根据近邻点预估新加入者属于哪个类别在展示
# plt.show()# 增加1个新来者，根据k近邻3近邻来确定属于哪个分组
# newcomer = np.random.randint(0, 100, (1, 2)).astype(np.float32)
# 增加10个新来者
newcomer = np.random.randint(0,100,(10,2)).astype(np.float32)
plt.scatter(newcomer[:, 0], newcomer[:, 1], 80, 'g', 'o')knn = cv2.ml.KNearest_create()
print('knn: ', knn)print(type(trainData))
knn.train(trainData, cv2.ml.ROW_SAMPLE, responses)
ret, results, neighbours, dist = knn.findNearest(newcomer, 3)print("ret: ", ret)
print("result: ", results)
print("neighbours: ", neighbours)
print("distance: ", dist)plt.show()

参考

https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_ml/py_knn/py_knn_index.html#knn

Python，OpenCV中的K近邻（knn K-Nearest Neighbor）及改进版的K近邻相关推荐

番外3. Python OpenCV 中如何绘制各种图形？
本系列专栏写作方式本系列专栏写作将采用首创的问答式写作形式,快速让你学习到 OpenCV 的初级.中级.高级知识. 3. Python OpenCV 中如何绘制各种图形? 本篇博客主要分享一下在 P ...
cv2.cornerHarris()详解　python+OpenCV 中的 Harris 角点检测
原文作者:aircraft 原文地址:https://www.cnblogs.com/DOMLX/p/8763369.html 参考文献----------OpenCV-Python-Toturial ...
Python OpenCV中色彩空间的转换类型
OpenCV中具有的色彩空间转换类型有很多,编写一个简单的Python程序,OpenCV下所支持的色彩空间转换类型 Python程序: # -*- coding: utf-8 -*-import cv ...
python drawline_基于python,OPenCv中基本的绘图函数
(一)OpenCv中,python接口的基本的绘图函数 1-用于绘制直线的--------cv2.line()函数 2-用于绘制椭圆的--------cv2.ellipse()函数 3-用于绘制矩形的 ...
python opencv 中bmp转raw格式图片并展示
python中bmp转raw格式图片并展示 import numpy as np import cv2 img = cv2.imread('data/04/04(1).bmp') # 这里需要我们在当 ...
python ransac_如何在Python OpenCV中应用RANSAC
有人能告诉我如何应用RANSAC来找到最好的4个特征匹配点及其对应的(x,y)坐标,以便我可以在我的单应码中使用它们吗? 特征匹配点由SIFT获得,代码如下:import numpy as np im ...
python+opencv中imread函数第二个参数的含义
= 0: 灰度图 0:三通道彩色图 <0:原图,带alpha通道
Python OpenCV中的Stitcher.stitch图像拼接方法介绍（详细）
目录 create stitch 示例 create 作用:创建一个Stitcher实例函数原型: cv.Stitcher_create( [, mode]) -> retval 参数: mo ...
Python+OpenCV图像处理（一篇全）
参考:1.网易云课堂 Python+OpenCV图像处理 - 网易云课堂 2.[在水一方xym的博客]业精于勤荒于嬉,行成于思毁于随 - CSDN博客 https://blog.csdn.net/za ...
【图像处理】——Python+opencv实现提取图像的几何特征（面积、周长、细长度、区间占空比、重心、不变矩等）
转载请注明详细地址本文简单介绍了图像常见几何特征的概念以及求解方法本文介绍了Python和opencv求解几何特征的常用方法目录其他形状外接轮廓的方法可以参考:<OpenCV-Pytho ...

Python，OpenCV中的K近邻（knn K-Nearest Neighbor）及改进版的K近邻

Python，OpenCV中的K近邻（knn K-Nearest Neighbor）及改进版的K近邻

1. 效果图

2. 源码

参考

Python，OpenCV中的K近邻（knn K-Nearest Neighbor）及改进版的K近邻相关推荐

最新文章

热门文章