- 用到的一些重要的python函数
operator.itemgetter函数
operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为一些序号(即需要获取的数据在对象中的序号)
要注意,operator.itemgetter函数获取的不是值,而是定义了一个函数,通过该函数作用到对象上才能获取值。
sorted函数
Python内置的排序函数sorted可以对list或者iterator进行排序,该函数原型为:
sorted(iterable[, cmp[, key[, reverse]]])
参数解释:
(1)iterable指定要排序的list或者iterable,不用多说;
(2)cmp为函数,指定排序时进行比较的函数,可以指定一个函数或者lambda函数,如:
students为类对象的list,没个成员有三个域,用sorted进行比较时可以自己定cmp函数,例如这里要通过比较第三个数据成员来排序,代码可以这样写:
students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
sorted(students, key=lambda student : student[2])
(3)key为函数,指定取待排序元素的哪一项进行排序,函数用上面的例子来说明,代码如下:
sorted(students, key=lambda student : student[2])
key指定的lambda函数功能是去元素student的第三个域(即:student[2]),因此sorted排序时,会以students所有元素的第三个域来进行排序。
- 算法核心步骤
简单说明一下KNN的原理:
存在一个样本数据集合,也称为训练数据集,对于训练数据集中的每个数据,都有与之对应的标签,即它所属的类别。输入没有标签的新数据后(也就是我们需要预测的数据),将新数据的每个特征与训练数据集中对应的特征进行比较,提取出与训练集中特征最相似的数据所在的标签,即为预测的类别。
只选择训练集中前k个最相似的数据,计算出前k个数据出现次数最多的分类,作为预测的分类。
算法步骤:
**1)计算已知类别数据集中的点与当前点之间的距离;
2)按照距离递增次序排序;
3)选取与当前点距离最小的前k个点;
4)确定这前k个点的所在类别,并计算出类别频率
5)以前k个点所在类别出现频率最高的点作为预测点的类别**
其中,特征点之间的距离是指特征点之间欧式距离,一般采用的公式为:
这个算法假定所有的实例对应于 n 维欧氏空间Â n 中的点。一个实例的最近邻是根据标准欧氏距离定义的。更精确地讲,把任意的实例 x 表示为下面的特征向量:
< a 1 ( x ) , a 2 ( x ),…, a n ( x )>
废话少说,放码过来:
# coding=utf-8
from numpy import *
import operator
from os import listdir
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):
#计算已知类别数据集中的点与当前点之间的距离
dataSetSize=dataSet.shape[0]
#使用tile()函数将inX数组在行方向上重复dataSetSize次,列方向上重复1次
diffMat=tile(inX,(dataSetSize,1))-dataSet
sqDiffMat=diffMat**2
sqDistances=sqDiffMat.sum(axis=1)
distances=sqDistances**0.5
#将距离递增次序排序
sortedDistIndicies=distances.argsort()
classCount={}
for i in range(k):
#确定前k个距离最小的元素所在的主要分类
votelIlabel=labels[sortedDistIndicies[i]]
#确定前k个点所在类别的出现频率
classCount[votalIlabel]=classCount.get(voteIlabel,0)+1
#将频率从高到低排序
sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
预测数据所在分类,在python提示符中输入下面的命令:
>>>import kNN
加载训练集:
>>>group,labels=kNN.createDataSet()
>>>kNN.classify0([0,0],group,labels,3)
输出结果应该是B