使用pycharm编写Python项目时可能用到的python扩展包网址(windows下的,ubuntu的话直接import,没有这么麻烦):http://www.lfd.uci.edu/~gohlke/pythonlibs/
KNN算法工作原理:存在一个样本数据集合,也称作训练样本集,并且样本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。输入每一标签的数据后,将新数据的每个特征与样本集中数据相对应的特征进行比较,然后算法提取样本集中最相似数据(最近邻)的分类标签。一般来说,我们只选择数据集中前K个最相似的数据,这就是K-近邻算法的出处,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:此步骤不适用于K-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。
首先定义数据集和标签:
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
该函数的功能是使用k-近邻算法将每组数据划分到某个类中
对未知属性的数据集中的每个点依次执行以下操作:
(1)计算已知类别数据集中的点与当前点之间的距离
(2)按照距离递增次序排序
(3)选取与当前点距离最小的K个点
(4)确定前k个点所在类别的出现频率
(5)返回前k个点出现频率最高的类别作为当前点的预测分类
def classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize,1)) - dataSet sqDiffMat = diffMat**2 sqDistances = sqDiffMat.sum(axis=1) distances = sqDistances**0.5 sortedDistIndicies = distances.argsort() classCount={} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]最后,可以自己用一些实例来测试一下分类器的效果。