KNN（python实现）

kNN算法流程

一般情况下，kNN有如下流程： 
（1）收集数据：确定训练样本集合测试数据； 
（2）计算测试数据和训练样本集中每个样本数据的距离；

常用的距离计算公式： 
欧式距离公式：d(x,y)=∑ni=1(xi−yi)2−−−−−−−−−−−−√d(x,y)=∑i=1n(xi−yi)2 
曼哈顿距离公式：d(x,y)=∑ni=1|xi−yi|d(x,y)=∑i=1n|xi−yi|
（3）按照距离递增的顺序排序； 
（4）选取距离最近的k个点； 
（5）确定这k个点中分类信息的频率； 
（6）返回前k个点中出现频率最高的分类，作为当前测试数据的分类。

 

主要代码：

from numpy import *
import operator

#定义KNN算法分类器函数
#函数参数包括：(测试数据，训练数据，分类,k值)
def classify(inX,dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX,(dataSetSize,1))-dataSet
    sqDiffMat=diffMat**2
    sqDistances=sqDiffMat.sum(axis=1)
    distances=sqDistances**0.5 #计算欧式距离
    sortedDistIndicies=distances.argsort() #排序并返回index
    #选择距离最近的k个值
    classCount={}
    for i in range(k):
        voteIlabel=labels[sortedDistIndicies[i]]
        #D.get(k[,d]) -> D[k] if k in D, else d. d defaults to None.
        classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
    #排序，降序
    sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

注：

• 这里用到矩阵运算，计算测试样本和每个训练样本之间的L2距离
• KNN存在的不足是，每次对一个样本进行预测时，都要对整个训练样本做一次测距，耗时严重；
• 因此，对应的KD-Tree就能很好的解决这个问题，不用遍历所有样本，即可求得距离coor点最近的K个点的序号。详细过程可参考前面的文章 “KD-Tree的C++实现”

 

参考资料：https://blog.csdn.net/moxigandashu/article/details/71169991