工作原理:存在一个训练样本数据集合,每组数据对应一个标签及分类(比如下边例子为前两个数据都为A类),输入测试样本后通过计算求出测试样本与训练样本的欧氏距离d,取前k个最小的值,这k组数据对应的标签分类最多的那种,就是测试样本的标签。
训练样本数据:
[[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]
欧氏距离公式:
from numpy import * # 导入科学计算包
import operator # 导入运算符模块
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 classfy0(inX, dataSet, labels, k): # 参数分别为测试样本,训练样本,训练样本标签,近邻个数
dataSetSize = dataSet.shape[0] # 返回行列数,0为行,列为1
diffMat = tile(inX, (dataSetSize, 1)) - dataSet # tile是按照某个方向复制元素,行方向复制四行,列方向复制一行,然后减去每个训练样本值
sqDiffMat = diffMat ** 2 # 乘方运算
sqDistances = sqDiffMat.sum(axis=1) # 轴为1的方向(横向)求和
distances = sqDistances ** 0.5 # 乘方运算,等同于开根号
sortedDistIndicies = distances.argsort() # 返回从小到大排序的索引值(原数组不动)
classCount = {} # 字典(键值对)
for i in range(k): # for-each循环,统计前k个每个分类有多少个
voteIlabel = labels[sortedDistIndicies[i]] # 记录每个的标签
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 # 取出该标签的值+1(原先没有默认为0)
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1),
reverse=True) # operator.itemgetter(1)表示用键值对中的值排序,为0表示用键排序,一开始升序,reverse=True后降序
return sortedClassCount[0][0] # 返回第一个标签
if __name__ == '__main__': # 表示我在当前页面调用测试语句,别的页面引用该页面时执行不了if里边的内容
group, labels = createDataSet()
test = [0, 0] # 测试数据
test_class = classfy0(test, group, labels, 3)
print(test_class)