Сравнение классификации ближайших соседей с использованием и без NCA

Введение

В этом практическом занятии показано, как сравнить классификацию ближайших соседей с использованием и без использования Анализа компонент окрестности (Neighborhood Components Analysis, NCA). Построятся границы решения классов, полученные классификатором ближайших соседей при использовании евклидового расстояния на исходных признаках и при использовании евклидового расстояния после преобразования, полученного с помощью Анализа компонент окрестности. Последнее旨在 найти линейное преобразование, которое максимизирует (стochastic) точность классификации ближайших соседей на наборе обучающих данных. В качестве примера будет использоваться датасет Iris, содержащий 3 класса по 50 экземпляров каждый.

Советы по использованию ВМ

После запуска ВМ кликните в верхнем левом углу, чтобы переключиться на вкладку Notebook и приступить к практике с использованием Jupyter Notebook.

Иногда может потребоваться подождать несколько секунд, пока Jupyter Notebook полностью загрузится. Проверка операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы сталкиваетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Импорт библиотек

Начнем с импорта необходимых библиотек. Для выполнения классификации ближайших соседей и NCA будем использовать scikit-learn. Для построения границ решения классов будем использовать matplotlib.

import matplotlib.pyplot as plt
from matplotlib.colors import ListedColormap
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier, NeighborhoodComponentsAnalysis
from sklearn.pipeline import Pipeline
from sklearn.inspection import DecisionBoundaryDisplay

Загрузка и подготовка данных

Далее мы загрузим и подготовим данные. Мы загрузим датасет Iris с использованием scikit-learn и выберем только два признака. Затем мы разделим данные на обучающий и тестовый наборы.

n_neighbors = 1

dataset = datasets.load_iris()
X, y = dataset.data, dataset.target

## we only take two features. We could avoid this ugly
## slicing by using a two-dim dataset
X = X[:, [0, 2]]

X_train, X_test, y_train, y_test = train_test_split(
    X, y, stratify=y, test_size=0.7, random_state=42
)

Создание цветовых карты

Теперь мы создадим цветовые карты для построения границ решения классов. Для фона мы будем использовать светлые цвета, а для цветов классов - яркие.

h = 0.05  ## step size in the mesh

## Create color maps
cmap_light = ListedColormap(["#FFAAAA", "#AAFFAA", "#AAAAFF"])
cmap_bold = ListedColormap(["#FF0000", "#00FF00", "#0000FF"])

Определение классификаторов

Мы определим два классификатора: один с использованием KNN, а другой с использованием NCA и KNN. Мы будем использовать пайплайны для масштабирования данных и применения классификаторов.

names = ["KNN", "NCA, KNN"]

classifiers = [
    Pipeline(
        [
            ("scaler", StandardScaler()),
            ("knn", KNeighborsClassifier(n_neighbors=n_neighbors)),
        ]
    ),
    Pipeline(
        [
            ("scaler", StandardScaler()),
            ("nca", NeighborhoodComponentsAnalysis()),
            ("knn", KNeighborsClassifier(n_neighbors=n_neighbors)),
        ]
    ),
]

Обучение и тестирование классификаторов

Теперь мы обучим и протестируем классификаторы. Мы пройдемся по классификаторам и подберем их к обучающим данным. Затем мы построим границы решения классов и вычислим оценку на тестовых данных.

for name, clf in zip(names, classifiers):
    clf.fit(X_train, y_train)
    score = clf.score(X_test, y_test)

    _, ax = plt.subplots()
    DecisionBoundaryDisplay.from_estimator(
        clf,
        X,
        cmap=cmap_light,
        alpha=0.8,
        ax=ax,
        response_method="predict",
        plot_method="pcolormesh",
        shading="auto",
    )

    ## Plot also the training and testing points
    plt.scatter(X[:, 0], X[:, 1], c=y, cmap=cmap_bold, edgecolor="k", s=20)
    plt.title("{} (k = {})".format(name, n_neighbors))
    plt.text(
        0.9,
        0.1,
        "{:.2f}".format(score),
        size=15,
        ha="center",
        va="center",
        transform=plt.gca().transAxes,
    )

plt.show()

Резюме

В этом практическом занятии мы сравнили классификацию ближайших соседей с использованием и без анализа компонент соседей (Neighborhood Components Analysis, NCA). Мы использовали датасет Iris для построения границ решения классов, заданных классификатором ближайших соседей при использовании евклидового расстояния на исходных признаках, по сравнению с использованием евклидового расстояния после преобразования，习得ного с использованием NCA. Мы использовали scikit-learn для выполнения классификации ближайших соседей и NCA. Также мы использовали matplotlib для построения границ решения классов. Мы обнаружили, что NCA улучшает точность классификации.

Построение классификации Nca