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
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort()
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
>>> import kNN
>>> group, labels = kNN.createDataSet()
>>> kNN.classify0([0, 0], group, labels, 3)
'B'
>>>
这是《机器学习实战》的第一份Python代码。
第一份代码文件名为kNN.txt。安装Pyton(x, y)之后,直接打开编辑,然后运行Python shell, 输入命令可以得到点[0,0]的分类('B')。
输入的测试样本是[0,0],训练样本是group, labels, k-近邻的k==3。
下面讲解classify0函数:
(1)距离是欧氏距离---差的平方和的开方。
(2)argsort()函数可以实现对数组的排序,然后返回新的数组的各个元素原来的下标。
(3)取距离从小到大的前k个数组的下标,然后得到这个下标的类别,给这个类别投一票。
(4)voteIlabel是类标签是类标签,classCount字典是存放类别和他们所得的票数。
(5)将classCount按照票数从大到小排序,得到sortedClassCount,然后取出排第一的元素标签,即为测试的结果。