k-近邻算法

  最近读了《机器学习实战》，本文是一些读后笔记.

  K-邻近算法描述：

简单来说，k-邻近算法才用测量不同特征值之间的距离方法进行分类。

优点：进度高，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。

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

距离一般按是欧式距离：d=sqrt（（x1-x2）^2+（y1-y2）^2+（z1-z2）^2）

下面代码在pycharm上运行通过的

KNN.py

from numpy import *
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

K-linjin.py

  

结果输出B；