weka开发[21]ibk(knn)源代码分析

1、新西兰黑秧鸡开发21IBk(KNN)源代码分析如果你没有看上一篇IB1，请先看一下，因为重复的内容我在这里不会介绍了。直接看构建分类器，这里只列出在IB1中也没有出现的代码：尝试m _ NumCallus=实例。numcalus()；m _ ClassType=实例。ClassAttribute().类型()；捕获（例外情况)抛出新错误(”永远不应该到达这个位置”；/丢弃初始实例，直到达到指定的窗口大小if(m _ WindowSize 0)(实例。NumMinInstances()m _ WindowSize)m _火车=新实例(m_Train，m_Train.numInstances()-

2、 m_WindowSize，m _ WindowSize)；/计算贡献的属性数量/每个预测m _ NumAttributesUsed=0.0对于(整数1=0；我是火车乘客i ) 如果(我！=m_Train.classIndex()属性.isNominal() | m_Train。属性.isNumeric()m _ NumAttributesUsed=1.0/使任何当前交叉验证选择的k无效m _ kNNValid=falseIB1中不关心m _ NumClasses是因为它就找一个邻居，当然就一个值了。m_WindowSize是指用多少样本用于分类，这里不是随机选择而是直接选前m_WindowS

3、ize个。这里下面是看有多少属性参与预测。KNN也是一个可以增量学习的分器量，下面看一下它的更新分类器代码：公共void UpdateDiceptor(实例实例)引发异常如果是火车。equalHeaders(实例。dataset()=false)引发新的异常(”不兼容的实例类型”；if(实例。分类()返回；如果(！m_DontNormalize) 更新最大值（实例)；添加（实例)；m _ kNNValid=falseif(m _ WindowSize 0)(m _ Train。NuMinStatences()m _ WindowSize)而(火车。NuminStatences()m _ Win

4、dowSize)删除(0)；同样很简单，更新最大值，如果超出窗口大小，循环删除超过窗口大小的第一个样本。这里注意牛传染性角膜结膜炎没有实现classifyInstance，它只实现了物质分布：public doubleDistributionForInstance(实例实例)引发异常if(m _ train。numministrations()=0)抛出新异常(”无培训实例！”)；if(m _ WindowSize 0)(m _ Train。NuMinStatences()m _ WindowSize)m _ kNNValid=false布尔deletedInstance=false而(火车。

5、NuminStatences()m _ WindowSize)删除(0)；/重建数据结构KDTree当前无法删除如果(删除实例=真)集合实例(火车)；/通过交叉验证选择k如果(！m _ KNnValid(m _ CrossValidate)(m _ KNnUpper=1)交叉验证()；m_NNSearch.addInstanceInfo(实例)；实例邻居=m _ NnSearch。knealerestNeighbours(实例，m _ KNn)；doubledistance=m _ NnSearch。getDistance()；doubledistribution=进行分配(邻居，距离)；收益

6、分配；前面两个判断不讲了，交叉验证()马上讲，寻找K个邻居在我第18篇里已经讲过了，现在我们看一下进行分发函数。受保护的双进行分发(实例邻居，双倍距离)抛出异常双倍总计=0，重量；双分布=新双m _ Numcallass；/设置对估计器的校正if (m_ClassType=属性。标称值)对于(整数1=0；I m _ Numclasesi)分布i=1.0 /数学最大值(1，m _ Train。NumStates()；总计=(双倍)m _ NumClasses数学最大值(1，(m _ train。num instances()；对于(整数1=0；我是邻居。内政部()；i ) /收集类计数实例当前=

7、邻居。距离i=距离i *距离一；距离i=数学平方（距离I/m _ numattributesused；开关(m _距离)行李箱重量_倒置：重量=1.0 /(距离10.001)；/以避免div为零休息；箱子重量_相似：重量=1.0 -距离一；休息；default: /WEIGHT_NONE:重量=1.0；休息；重量*=当前重量()；尝试开关(m_ClassType) 案例属性。名词：分布(int) current.classValue()=权重；休息；案例属性。数字：分布0=current.classValue() *权重；休息；捕获（例外情况)抛出新错误(”数据没有类属性！”)；总计=重量；/

8、标准化分布如果(总计0) Utils.normalize(分布，总计)；收益分配；第一行注释设置一个校正，我感觉没什么必要，又不是贝叶斯还有除0错误，没什么可修正的。这里可以看见它实现了三种距离权重计算方法，倒数，与1的差，另外就是固定权重1 .然后如果类别是离散值把对应的类值加上权重，如果是连续值，就加上当前类别值剩权重。交叉验证简单地说就是用蛮力找在到底用多少个邻居好，它对火车中的样本进行循环，对每个样本找邻居，然后统计看寻找多少个邻居时最好。受保护的空的交叉验证()double performanceStats=新的双m _ KNnUpper；doublePerformanceStatSq=新的双m _ KNnUpper；对于(整数1=0；i m _ kNNUpperi ) 性能统计1=0；性能状态qI=0；m _ kNN=m _ kNNUpper实例实例。邻居实例；双原点距离，转换距离；对于(整数1=0；我是火车司机i ) 实例；neighbors=m _ NnSearch。knealerestNeighbours(实例，m _ KNn)；原始距离=m _ NnSearch。getDistance()；对于(int