有没有一种方法可以加快此功能来计算K最近邻？

Question

我对编程还很陌生，我创建了一个函数来计算1 K最近邻居（KNN1）来进行预测。问题是，代码是如此缓慢，我无法在我真正需要的训练集上对其进行测试。我的训练集是1200 x 5600，其中有1200个数据点和5600个特征。我需要计算每一行中每个特征的平方差之和，然后选择最相似的另一行。以下代码需要HOURS，但尚未完成。我相信永远要紧的事情是距离循环（三重循环）。

我包括了来自sklearn IRIS数据集中的一小套训练集，用于测试。

[如果有人有任何建议来加快速度，以便我可以在合理的时间内测试我的其他代码，将不胜感激。

from sklearn.datasets import load_iris
import numpy as np   

def l2_distance(row1, row2):
    distance = 0.0
    for i in range(len(row1)):
        #print('row one: {}'.format(row1[i]))
        #print('row two: {}'.format(row2[i]))
        distance += (row1[i] - row2[i])**2
    return sqrt(distance)

def KNN1(x, y):
    # Create sum of square distances for each feature in each row
    d_arr = []
    for i in range(0,len(x)):
        d_temp = []
        for j in range(0,len(x)):
            d = l2_distance(x[i], x[j])
            d_temp.append(d)
        d_arr.append(d_temp)
        #del d_temp

    # Find the index for the first NN
    idx_arr = []
    for i in range(0,len(d_arr)):
        temp = list(d_arr[i])
        m = min(j for j in temp if j > 0)
        idx_arr.append(temp.index(m))
        del temp

    del d_arr
    # Make a prediction based off the position in y_train for the test row
    y_hat = []
    for i in range(0,len(idx_arr)):
        y_hat.append(float(y[idx_arr[i]]))
    del idx_arr
    y_hat = np.array(y_hat)
    y_hat = np.reshape(y_hat,(len(y_hat),1))
    a = np.where(y==y_hat, 1, 0)    
    accuracy = float(np.sum(a,axis=0)/float(len(a)))*100.0
    return accuracy

iris = load_iris()
xtrain2 = iris.data[:, :2]
ytrain2 = (iris.target != 0) * 1
ytrain2 = np.reshape(ytrain2, (len(ytrain2),1))

acc = KNN1(xtrain2,ytrain2)
print('Accuracy for KNN (k=1) for the base dataset:\n\t{}\n'.format(acc))

Answer 1

如评论中所述，您需要考虑其他算法来加速KNN，例如球树（在具有大量特征的数据集上效果很好）或k-d树。算法的优化将使时间复杂度成倍降低。