KNN-k近邻算法:
欧式距离计算公式:
伪代码:
(1)计算已知类别的点与未知类别的点的距离
(2)按照距离递增的顺序排序
(3)选取与当前点最近的k个点
(4)确定前k个点的所在类别出现的频率
(5)返回出现频率最高的类别作为当前点的预测分类
Python代码实现 :
__author__ = 'Administrator'
from numpy import *
import operator
from os import listdir
def classify(inx, dataSet, labels,k):
dataSetSize = dataSet.shape[0]#获取数据集的行数
diffMat = tile(inx, (dataSetSize,1))-dataSet#将待分类数据集扩展到与已有数据集同样的规模,然后再与已有数据集作差
sqDiffMat = diffMat**2#平方
sqDistances = sqDiffMat.sum(axis=1)#对每一行数据求和
distances = sqDistances**0.5 #开方
sortedDistIndicies = distances.argsort()#对开方结果建立索引如:【1,,5,2,6】索引为【0,2,1,3】
classCount={} #建立空字典
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]#先找出开方结果索引表中第i个值对应的Label值
classCount[voteIlabel] = classCount.get(voteIlabel, 0)+1# 存入当前label以及对应的类别值,组成键值对
sortedclassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
#对类别字典进行逆排序,级别数目多的往前放
return sortedclassCount[0][0]
def createDataSet():
group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])
labels = ['A', 'A', 'B', 'B']#已有数据以及对应的标签
return group, labels
if __name__ == '__main__':
group,labels = createDataSet()
forecast = classify([0,0],group,labels,3)
print(forecast)