只选择样本数据集中前K个最相似的数据,K通常是不大于20的整数,最后选择k个最相似数据中出现次数最多的类,作为新数据的分类。
优点:
精度高,对异常值不敏感,无数据输入假定
不用训练算法
缺点:
计算复杂度高,空间复杂度高
适用范围:
数值型和标称型
代码:
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):
#计算距离
dataSetSize = dataSet.shape[0]
diffMat = tile(inX,(dataSetSize,1))-dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
#排序
sortedDistIndicis = distances.argsort()
#取前K个值
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicis[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) +1
#从大到小排序类别的统计结果
sortedClassCount = sorted(classCount.iteritems(),
key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
data,label = createDataSet()
print(classify0([0,0],data,label,3))