单身狗掐指一算：k邻近（KNN）算法举例

为什么要写这样的一个小例子呢？原因是大多数blog给的例子都没有很好的发挥python的威力，

使用了一些for循环，这在数据量很大的情况下，会运行较慢

练习的例子就是根据kiss次数和打斗次数来预测电影的分类

import pandas as pd
import numpy as np
from pandas import DataFrame, Series

'''
    二：KNN算法的一般流程
    1）计算测试数据与各个训练数据之间的距离；

    2）按照距离的递增关系进行排序；

    3）选取距离最小的K个点；

    4）确定前K个点所在类别的出现频率；

    5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。
'''


def knn(training_set, test_data, k):
    '''
        :param training_set:  已知分类训练数据 DataFrame类型
        :param test_data: 待测试数据  Series类型
        :param k: k值   int类型
        :return: 返回电影分类 string类型
    '''
    # 1）计算测试数据与各个训练数据之间的距离；
    index = training_set["movie_type"]
    subtract = training_set[["fight_count", "kiss_count"]] - test_data
    result = np.sqrt(subtract["fight_count"] ** 2 + subtract["kiss_count"] ** 2)
    result.index = index

    # 2）按照距离的递增关系进行排序；
    result = result.sort_values()
    print("按照距离的递增关系进行排序", result)

    # 3）选取距离最小的K个点；
    if k < len(result):
        result_k = result[:k]
    else:
        raise Exception("k的值超过训练数据的长度")

    # 4）确定前K个点所在类别的出现频率；
    # 5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。
    grouped = result_k.groupby(result_k.index).count()
    grouped = grouped.sort_values(ascending=False)
    return grouped.index[0]


if __name__ == "__main__":
    training_set = DataFrame([[3, 104, "love film"],
                              [2, 100, "love film"],
                              [1, 81, "love film"],
                              [101, 10, "action film"],
                              [99, 5, "action film"],
                              [98, 2, "action film"],
                              [10, 90, "love film"],
                              [20, 50, "love film"]],
                             columns=["fight_count", "kiss_count", "movie_type"])
    test_data = Series([90, 70], index=["fight_count", "kiss_count"])
    k = 3
    unknown_type = knn(training_set, test_data, k)
    print(unknown_type)