knn分类器

``
本次整理下自己的思路，首先构建数据文件读取函数，并对数据经行处理方便后续的分类器进行分类处理，然后是写分类函数进行数据的训练与分类，然后会出现

import operator
import matplotlib.pyplot as plt
#####读取文件
def filmread(file):
    fr=open(file).readlines()
    hangshu=len(fr)
    data=np.zeros((hangshu,3))
    lable=[]
    plable=[]
    index=0
    for lin in fr:
        chuli=lin.strip().split('\t')
        data[index,:]=chuli[:3]
        index+=1
        plable.append(chuli[3])
        if chuli[3]=='smallDoses':
            lable.append(1)
        if chuli[3]=='largeDoses':
            lable.append(2)
        if chuli[3]=='didntLike':
            lable.append(3)
    return data,lable
#########分类器
def classfen(test,train,lable,k):
    global datae
    hangshu=train.shape[0]
    cha=np.tile(test,(hangshu,1))-train
    di=(cha**2).sum(axis=1)
    dis=di.argsort()
    count={}
    for lin in range(k):
        vlable=lable[dis[lin]]
        count[vlable]=count.get(vlable,0)+1
        datae=sorted(count.items(),key=operator.itemgetter(1),reverse=True)
        return datae[0][0]
    ###测试函数
def test(test):
    da, lb = filmread(data)
    show(te,da,lb)
    noda=autunorm(da)
    print(classfen(test, noda, lb, 3))
    ####数据可视化
def show(te,train,lb):
    plt.scatter(train[:,0],train[:,1],c=lb)
    plt.scatter(te[:1],te[1:2],c='red',marker='*')
    plt.show()
    ###########数据归一化
def autunorm(dataset):
    mind=dataset.min()
    maxd=dataset.max()
    rang=maxd-mind
    nodata=np.zeros(np.shape(dataset))
    m=dataset.shape[0]
    nodata=dataset-np.tile(mind,(m,1))
    nodate=nodata/np.tile(rang,(m,1))
    return nodate
if __name__ == '__main__':
    data='data.txt'
    te=np.array([1000,10,100])
    test(te)