```# coding=utf-8
import matplotlib.pyplot as plt
import operator
import numpy as np
#训练集
def CreatData():
grop=np.array([[1,101],[5,85],[108,5],[115,6]])
lable=['A','A','B','B']
return grop,lable
#分类器
def Classfl(test,train,lable,k):
#计算欧式距离
trainH=train.shape[0]
Cha=np.tile(test,(trainH,1))-train
chafang=Cha**2
changsum=chafang.sum(axis=1)
distance=changsum**0.5
#knn核心算法
sortdistan=distance.argsort()
classCount={}
for i in range(k):
votelable=lable[sortdistan[i]]
classCount[votelable]=classCount.get(votelable,0)+1
sortclasscount=sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
return sortclasscount[0][0]
if __name__ == '__main__':
group,labl=CreatData()
plt.scatter(group[:,1],group[:2])
tes=[15,16]#测试数据
plt.scatter(tes[:1],tes[1:],marker='*',c='red',s=400)
plt.show()
t=Classfl(tes,group,labl,3)
print '该测试数据属于:',t,'类'
该部分代码纯手撸,为了更好地理解和掌握knn算法手工完成训练样本,knn分类器,测试数据,以及可视化显示。