本文主要是介绍在Ignite中使用k-最近邻(k-NN)分类算法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
在本系列前面的文章中，简单介绍了一下Ignite的线性回归算法，下面会尝试另一个机器学习算法，即k-最近邻(k-NN)分类。该算法基于对象k个最近邻中最常见的类来对对象进行分类，可用于确定类成员的关系。
一个适合k-NN分类的数据集是鸢尾花数据集，它可以很容易地通过UCI网站获得。
鸢尾花数据集由150个样本组成，来自3种不同种类的鸢尾花各有50朵（Iris Setosa, Iris Versicolour和Iris Virginica）。以下四个特征可供每个样本使用：
- 萼片长度（cm）
- 萼片宽度（cm）
- 花瓣长度（cm）
- 花瓣宽度（cm）
下面会创建一个模型，利用这四个特征区分不同的物种。
首先，要获取原始数据并将其拆分成训练数据（60%）和测试数据（40%）。然后再次使用Scikit-learn来执行这个任务，下面修改一下前一篇文章中使用的代码，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)
当训练和测试数据准备好之后，就可以写应用了，本文的算法是：
- 读取训练数据和测试数据；
- 在Ignite中保存训练数据和测试数据；
- 使用训练数据拟合k-NN模型；
- 将模型应用于测试数据；
- 确定模型的准确性。
读取训练数据和测试数据
需要读取两个有5列的CSV文件，一个是训练数据，一个是测试数据，5列分别为：
- 萼片长度（cm）
- 萼片宽度（cm）
- 花瓣长度（cm）
- 花瓣宽度（cm）
- 花的种类（0：Iris Setosa，1：Iris Versicolour，2：Iris Virginica）
通过下面的代码，可以从CSV文件中读取数据：
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));}
}
该代码简单地一行行的读取数据，然后对于每一行，使用CSV的分隔符拆分出字段，每个字段之后将转换成double类型并且存入Ignite。
将训练数据和测试数据存入Ignite
前面的代码将数据存入Ignite，要使用这个代码，首先要创建Ignite存储，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()的实现如下：
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;
}
使用训练数据拟合k-NN分类模型
数据存储之后，可以像下面这样创建训练器：
KNNClassificationTrainer trainer = new KNNClassificationTrainer();
然后拟合训练数据，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将数据保存为键-值(K-V)格式，因此上面的代码使用了值部分，目标值是Flower类，特征在其它列中。将k的值设为3，代表3种。对于距离测量，可以有几个选择，如欧几里德、汉明或曼哈顿，在本例中使用欧几里德。最后要指定是使用SIMPLE算法还是使用WEIGHTED k-NN算法，在本例中使用WEIGHTED。
将模型应用于测试数据
下一步，就可以用训练好的分类模型测试测试数据了，可以这样做：
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));
}
确定模型的准确性
下面，就可以通过对测试数据中的真实分类和模型进行的分类进行对比，来确认模型的真确性。
代码运行之后，总结如下：
>>> Absolute amount of errors 2
>>> Accuracy 0.97
因此，Ignite能够将97%的测试数据正确地分类为3个不同的种类。
总结
Apache Ignite提供了一个机器学习算法库。通过k-NN分类示例，可以看到创建模型、测试模型和确定准确性的简单性。
在机器学习系列的下一篇中，将研究另一种机器学习算法
这篇关于在Ignite中使用k-最近邻(k-NN)分类算法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
