K-Nearest Neighbors Classifier (K-En Yakın Komşu Sınıflandırması - KNN), bağımsız değişkenler girdisine karşılık tahmin edilecek tahmin değerinin bağımsız değişkenlerin en yakın komşularının basit çoğunluğu ile sonuçlanır. Komşu noktalarda en fazla geçen değeri hedef olarak atayan bir sınıflandırma algoritmasıdır.

Kullanım için "KNeighborsClassifier" kütüphanesinin içe aktarılması gerekmektedir.

from sklearn.neighbors import KNeighborsClassifier

Söz dizimi : KNeighborsClassifier(n_neighbors=5, *, weights='uniform', algorithm='auto', leaf_size=30, p=2, metric='minkowski', metric_params=None, n_jobs=None)

• n_neighbors, komşu sayısını temsil etmektedir. Default olarak 5 değerini almaktadır.

 Şekil-1 de kırmızı olarak işaretlenen noktanın tahmin değeri için "n" adet komşusunun en çok aldığı değer atanır.

Örnek-1: Bazı fiziksel özelliklere ve kan değerlerine bakılarak kişilerin kalp hastası olup olmayacağını tahmin edelim. Veri seti olarak "heart.csv" kullanılacaktır.

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
%matplotlib inline
import warnings
warnings.filterwarnings("ignore")

from sklearn.model_selection import train_test_split

from sklearn.metrics import accuracy_score,precision_score,recall_score,f1_score
from sklearn.metrics import confusion_matrix,classification_report

from sklearn.neighbors import KNeighborsClassifier

Keşifsel Veri Analizi EDA

#Veri seti okunur
df=pd.read_csv("heart.csv")
df.head()

Çıktı:

# Veri seti hakkında bilgi 
df.info()

Çıktı:

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 303 entries, 0 to 302
Data columns (total 14 columns):
 #   Column    Non-Null Count  Dtype  
---  ------    --------------  -----  
 0   age       303 non-null    int64  
 1   sex       303 non-null    int64  
 2   cp        303 non-null    int64  
 3   trestbps  303 non-null    int64  
 4   chol      303 non-null    int64  
 5   fbs       303 non-null    int64  
 6   restecg   303 non-null    int64  
 7   thalach   303 non-null    int64  
 8   exang     303 non-null    int64  
 9   oldpeak   303 non-null    float64
 10  slope     303 non-null    int64  
 11  ca        303 non-null    int64  
 12  thal      303 non-null    int64  
 13  target    303 non-null    int64  
dtypes: float64(1), int64(13)
memory usage: 33.3 KB

#target sütunu eleman sayıları
df.target.value_counts()

Çıktı:

1    165
0    138
Name: target, dtype: int64

#Veri seti açıklamaları
df.describe()

Çıktı:

#Sütunların birbirleri ile korelasyonu
df.corr()

Çıktı:

#Korelasyon görüntülenmesi
plt.figure(figsize=(16,6))
sns.heatmap(df.corr(),annot=True)

Çıktı:

Model Oluşturma İşlemleri

#x(bağımsız değişkenler) ve y(hedef/tahmin değişkeni) ataması yapılır.
x,y=df.drop("target",axis=1),df[["target"]]

#train ve test verileri ayrılır
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=13)
x_train.shape,x_test.shape,y_train.shape,y_test.shape

Çıktı:

((242, 13), (61, 13), (242, 1), (61, 1))

#KNeighborsClassifier ataması yapılır
KNN=KNeighborsClassifier()

#Model eğitme işlemi
KNN.fit(x_train,y_train)

#x_test verilerini tahminleme işlemi
predict_KNN=KNN.predict(x_test)

confusion_matrix(y_test,predict_KNN)

Çıktı:

array([[13, 13],
       [ 9, 26]], dtype=int64)

#confusion_matrix değerlerinin grafikselleştirmesi
sns.heatmap(confusion_matrix(y_test,predict_KNN),annot=True,linewidths=2)

Çıktı:

#Sınıflandırma raporu
print(classification_report(y_test,predict_KNN))

Çıktı:

              precision    recall  f1-score   support

           0       0.59      0.50      0.54        26
           1       0.67      0.74      0.70        35

    accuracy                           0.64        61
   macro avg       0.63      0.62      0.62        61
weighted avg       0.63      0.64      0.63        61

Sınıflandırma raporunda da görüldüğü gibi KNeighborsClassifier algoritması ile girilen değerlere göre target sütununda bulunan hastalık durumunu doğru tahmin etme yüzdesi: accuracy değeri göz önüne alınırsa %64 olarak buldu.