机器学习实战：KNN 代码注释(python)

基础部分注释：

from numpy import *
import operator
from os import listdir

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):
    dataSetSize = dataSet.shape[0]#第一维的值，例如dataSet为group，则结果为4
    diffMat = tile(inX, (dataSetSize,1)) - dataSet#求差，tile作用:重复，后面是沿着各个维度重复次数
    sqDiffMat = diffMat**2#求差的平方
    sqDistances = sqDiffMat.sum(axis=1)#axis = 1每一行相加，axis = 0每一列相加
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()#将元素从小到大排列，并输出下标的index     
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1#存入当前label以及对应的类别值，d.get(k, v)意思是如果k在d中，则返回d[k]，否则返回v
    sortedClassCount = sorted(classCount.iteritems(), 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，operator.itemgetter(1)代表和元素的第一个域进行比较
    return sortedClassCount[0][0]

上述是knn部分的代码，使用方式为

group, labels = kNN.createDataSet();#创建数据集

kNN.classify0([0,0], group, labels, 3);#

归一化特征值：

def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = zeros(shape(dataSet))
    m = dataSet.shape[0]
    normDataSet = dataSet - tile(minVals, (m,1))
    normDataSet = normDataSet/tile(ranges, (m,1))   #element wise divide
    return normDataSet, ranges, minVals

使用方法：

normMat, ranges, minvals = kNN.autoNorm(datingDataMat)

先写到这里。。