机器学习基于K-近邻算法(KNN)

KNN算法原理简介：

存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据

与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算

法提取样本集中特征最相似数据（最 近 邻 ）的分类标签。一般来说，我们只选择样本数据集中前&个最相似的数据，这

就是&-近邻算法中&的出处,通常*是不大于20的整数。最后，选择&个最相似数据中出现次数最多的分类，作为新数据的

分类。

from numpy import *
import operator

# 距离计算
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    # 求幂次方
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    # 求开方
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount={}
    # 选择距离最近的k个点
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    # 对结果排序
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

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

# 测试
group,labels =createDataSet()
result = classify0([0,0],group,labels,3)
print(result)