数据挖掘之KNN算法

KNN(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。

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。输人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&个最相似的数据，这就是&-近邻算法中&的出处,通常*是不大于20的整数。最后，选择&个最相似数据中出现次数最多的分类，作为新数据的分类。

优点：精度高、对异常值不敏感、无数据输入假定。
缺点：计算复杂度高、空间复杂度高。
适用数据范围：数值型和标称型。

k-近邻算法的一般流程：
(1)收集数据：可以使用任何方法。
(2)准备数据：距离计算所需要的数值，最好是结构化的数据格式。
(3)分析数据：可以使用任何方法。
(4)训练算法：此步驟不适用于1 近邻算法。
(5)测试算法：计算错误率。
(6)使用算法：首先需要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。

两点间距离公式:
设两个点A、B以及坐标分别为A(x1,y1)、B(x2,y2)，则A和B两点之间的距离为：
((x1-x2)**2+(y1-y2)**2)**0.5
 

 

# -*- coding: utf-8