k-近邻算法概述:简单地说,k-近邻算法采用测量不同特征值之间的距离方法进行分类
本书讲解的第一个机器学习算法是k-近邻算法(kNN),它的工作原理是:存在一个样本数据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道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(最近邻)的分类标签。一般来说,我们只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数。最后,选择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。
kNN.py 文件:
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): dataSize = dataSet.shape[0] print(dataSize) # 使用欧式距离公式计算,两点距离 diffMat = tile(inX,(dataSize,1)) - dataSet sqDiffMat &#