python-kNN

 
 
from numpy import * #引入科学计算包
import operator #经典python库 运算符模块#创建数据集

def CreatDataSet():    group = array([[1.0, 1.1],[1.0,1.0],[0,0],[0,0.1]])
    labels = ['A','A','B','B']
    return group,labels
'''
inX:用于分类的输入向量
dataSet:输入的训练样本集
labels :标签向量
k:用于选择最近邻居的数目
其中,标签向量的元素数目和矩阵dataSet的行数相同
'''
def classify0(inX,dataSet,labels,k):

    #计算距离
    dataSetSize = dataSet.shape[0]  #得到数组的行数,即知道有几个训练数据
        #tile函数位于python模块 numpy.lib.shape_base中,他的功能是重复某个数组。
        # 比如tile(A,n),功能是将数组A重复n次,构成一个新的数组
    diffMat = tile(inX,(dataSetSize,1)) - dataSet #diffMat得到了目标与训练数组的差值
    sqDiffMat = diffMat ** 2 #各个元素分别平方
    sqDistances = sqDiffMat.sum(axis = 1) #对应列相乘,即得到了每一个距离的平方??
    distances = sqDistances ** 0.5 #开方得到距离
    sortedDistIndicies = distances.argsort() #升序排列

    #选择距离最小的k个点
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0)+1

    #排序
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]



import kNN
group,labels = kNN.CreatDataSet()
print(kNN.classify0([0,0],group,labels,3))

运行结果


(1)python中的矩阵运算

http://blog.csdn.net/taxueguilai1992/article/details/46581861

(2)argsort()

http://blog.csdn.net/yuan1125/article/details/69388446

http://blog.csdn.net/maoersong/article/details/21875705

(3)error:'dict' object has no attribute 'iteritems'

3.5以上iteritems为items

(4) diffMat = tile(inX,(dataSetSize,1)) - dataSet 

成员参数为什么是(dataSetSize,1)?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值