机器学习实战之KNN算法(代码)详解
KNN算法一般流程
(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:此步骤不适合KNN
(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KNN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。
算法的一般操作
对未知类别属性的数据集中的每个点一次执行以下操作:
(1)计算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个点所在的类别的出现频率
(5)返回前K个点出现频率最高的类别作为当前点的预测分类
创建数据集
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
带有四个数据点的简单例子.
KNN算法
def classify0(inX, dataSet, labels, k):
#计算出欧氏距离数组
dataSetSize = dataSet.shape[0] #获取数据集中数据的个数
diffMat = tile(inX,(dataSetSize,1))-dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis = 1)
distances = sqDistances**0.5
sortedDisiIndicies = distances.argsort()
#选择k个距离最小的点
classCount = {
}
for i in range(k):
voteIlabel = labels[sortedDisiIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
#排序:将classCount字典分分解为元组列表,使用运算符模块的itemgetter方法,按照第二个元素的次序对元组进行排序
sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(