python实现KNN算法

from numpy import *
import operator
import numpy as np
a = np.array([1,2,3,4,5,6])
print(a.shape)
def knn(k,testdata,traindata,labels):#traindata训练数据集 labels标签 k代表取多少个
    traindatasize = traindata.shape[0]#shape函数查看数组有多少行列 [0]查看的是行数
    dif = tile(testdata,(traindatasize,1))-traindata#计算差值 tile将训练集与测试集转换成相同维度
    sqdif = dif**2 #差值平方
    sumsqdif = sqdif.sum(axis=1)#axis = 各行差值求和
    distance = sumsqdif**0.5#开方求出距离
    sortidstance = distance.argsort()#排序
    count = {}
    for i in range(0,k):#经过k次循环
        vote = labels[sortdistance[i]]#投票  每次取距离最小的
        count[vote] = count.get(vote,0)+1 #计算最小值出现了多少次
    sortcount = sorted(count.items(),key = operator.itemgetter(1),reverser=True)
    #sorted(iterable[, cmp[, key[, reverse]]])
    #投票的次数排序 key指定按照什么排序 reverser=True 为降序 默认为升序
    return sortcount[0][0]#第0个元素第0个值
    

　　

代码内容解释

from numpy import *
a = array([1,5,6,7])
#tile(a,2)#扩展a为两次 即原有列数*2
b = tile(a,(3,2))
#扩展a为 3行 8列   括号中3为行数，8列=2*4（原有列数）
b.shape

b.sum(axis=1)#各行求和
b.sum(axis=0)#各列求和
a.argsort()#排序
c = {}
c[5]=c.get(5,0)+1
c[5]=c.get(5,0)+1 #计算5出现了多少次
print(c)
count.items()#items() 方法以列表返回可遍历的(键, 值) 元组数组。
operator.itemgtter(1) 
#      sorted(iterable[, cmp[, key[, reverse]]])
#     students为类对象的list，没个成员有三个域，用sorted进行比较时可以自己定cmp函数，例如这里要通过比较第三个数据成员来排序，代码可以这样写：
#      students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]
#     sorted(students, key=lambda student : student[2])
'''
（1）iterable指定要排序的list或者iterable(可迭代的)；
（2）cmp为函数，指定排序时进行比较的函数，可以指定一个函数或者lambda函数。
（3）key为函数，指定取待排序元素的哪一项进行排序，函数用上面的例子来说明，代码如下：
      sorted(students, key=lambda student : student[2])
      key指定的lambda函数功能是取元素student的第三个域（即：student[2]），因此sorted排序时，会以students所有元素的第三个域来进行排序,即15,
      12,10来排序
      有了上面的operator.itemgetter函数，也可以用该函数来实现，例如要通过student的第三个域排序，可以这么写：
sorted(students, key=operator.itemgetter(2)) 
sorted函数也可以进行多级排序，例如要根据第二个域和第三个域进行排序，可以这么写：
sorted(students, key=operator.itemgetter(1,2))

即先根据第二个域排序，再根据第三个域排序。
（4）reverse参数就不用多说了，是一个bool变量，表示升序还是降序排列，默认为false（升序排列），定义为True时将按降序排列。
'''

　　

转载于:https://www.cnblogs.com/liupingtao/p/10102417.html