机器学习实战-k近邻分类

k-近邻算法（KNN）

一。工作原理

存在一个样本数据集合，即训练样本集，并且样本集中每个数据都存在标签（样本集中每一数据与所属分类的对应关系），

输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据的分类标签，

一般只选择样本数据集中前k个最相似结果，通常k是不大于20的整数，将k个最相似数据中出现次数最多的分类，作为新数据的分类。

二。一般流程

1.收集数据

2.准备数据，计算所需要的数值

3.分析数据

4.训练数据

5.测试数据

6.使用算法：首先输入样本数据和结构化的输出结果，然后运行k-近邻算法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。

 三。代码

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]
        #calculate the distance between the inx and other traning data
        diffMat = tile(inX, (dataSetSize,1)) - dataSet #titl for array
        sqDiffMat = diffMat**2
        sqDistances = sqDiffMat.sum(axis=1) #calculate the sum
        print "sqDistances=",sqDistances
        distances = sqDistances**0.5
        print "distances=",distances
        sortedDistIndicies = distances.argsort()
        print "sorted=",sortedDistIndicies

        #find the k nearest neighbours
        classCount = {}
        for i in range(k) :
                voteIlabel = labels[sortedDistIndicies[i]]
                classCount[voteIlabel] = classCount.get(voteIlabel,0) +1
        sortedClassCount = sorted(classCount.iteritems(), key = operator.itemget
ter(1), reverse = True)<pre name="code" class="html"><span style="white-space:pre">	</span>print sortedClassCount
        return sortedClassCount

if __name__=='__main__' :
        group, labels = createDataSet()
        classify0([0,0],group, labels, 3)

四。执行

在终端执行： python KNN.py