机器学习实战——使用K-近邻算法进行约会配对

任务：通过海伦收集的3个特征，如：

           1.每年获得的飞行常客里程数

   2.玩视频游戏所耗的时间百分比

   3.每周消费的冰淇淋公升数

用K近邻的方法，预测海伦对未知对象的好感度

主要步骤都是按照机器学习实战这本书进行的，代码实现如下：

#!/usr/bin/python
# -*- encoding:utf-8 -*-

"""
@author : kelvin
@file : kNN
@time : 2017/3/24 14:54
@description : 

"""
from numpy import *
import operator


def createDataSet():
    group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])
    labels = ['A', 'A', 'B', 'B']
    return group, labels


def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]            # 取得第一维度的大小，这里是训练样本的大小
    # 欧氏距离
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet    # tile（A，res）重复构建A构建数组，res给出次数，计算到每个训练样本的距离
    sqDi