好久没有写博客了,心血来潮。写一个刚学学习的KNN算法,其实就是比相似度,靠的进的相似度高
废话不说上代码
from numpy import *
import operator
#创建初始矩阵
group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
label = ['A','A','B','B']
def classfy(inX,dataSet,labes,k):
dataSetSize = dataSet.shape[0]#获取矩阵的维度,就是矩阵的行数
diffMat = tile(inX,(dataSetSize,1))-dataSet#求相对距离
sqDiffMat = diffMat**2
sqDistance = sqDiffMat.sum(axis=1)
distance = sqDistance**0.5#两点之间距离公式不解释
sortedDistInicies = distance.argsort()#得到排序后的下标【2,3,1,0】
classCount = {}
for i in range(k):
voteIlabel = labes[sortedDistInicies[i]]#此处就和K相关了
classCount[voteIlabel] = classCount.get(voteIlabel,0)+1#记录出现的次数
sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]#返回最终的结果
classfy([0,0],group,label,3)
都在代码注解里面,ok完成