一般流程
1.收集数据: | 可以使用任何方法。 |
2.准备数据: | 距离计算所需要的数值,最好是结构化的数据格式。 |
3.分析数据: | 可以使用任何方法。 |
4.训练算法 | 此步骤不适用于k-近邻算法 |
5.测试算法 | 计算错误率 |
6.使用算法 | 首先需要输入样本数据和结构化的输出结果,然后运行k-近邻算法判定输入数据分别属于哪个分类,最后应用对计算出的分类执行后续的处理。 |
伪代码
对未知类别属性的数据集中的每个点依次执行以下操作:
1.计算对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k个点; |
4.确定前k个点所在类别的出现频率; |
5.返回前k个点出现频率最高的类别当做当前点的预测分类。 |
1.KNN.py
from numpy import *
import operator
from cProfile import label
from audioop import reverse
def createDateSet():
gruop=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1],[2.0,2.1],[2.0,2.0]])
labels=['A','A','B','B','C','C']
return gruop,labels
def classify0(inX,dataSet,labels,k):
dataSetSize=dataSet.shape[0]
'''
距离计算
'''
diffMat=tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat=diffMat**2
sqDistances=sqDiffMat.sum(axis=1)
distances=sqDistances**0.5
sortedDistIndicies=distances.argsort()
classCount={}
'''
选择距离最小的k个点
'''
for i in range(k):
voteIlabel=labels[sortedDistIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
'''
排序
'''
sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
在执行代码时,注释会报错,可以去掉这些注释。
2.KNNtest.pyimport knn
group,labels=knn.createDateSet()
print knn.classify0([1,1.1], group, labels, 2);
print knn.classify0([1,0.2], group, labels, 2);
print knn.classify0([0.1,0.2], group, labels, 2);
print knn.classify0([2.1,2.2], group, labels, 2);
print knn.classify0([1.5,1.6], group, labels, 2);
print knn.classify0([1.7,1.6], group, labels, 2);