python 实现K近邻算法并进行可视化 调用sklearn的knn算法进行结果对比

 

• K近邻算法 思想：不知其人视其友

---

• K近邻算法(knn)实现步骤：

1.     计算当前点与已知类别数据集中的点的距离
2.     距离递增排序，选出距离最小的k个点
3.     确定前k个点类别出现的频率
4.     将频率最高的类别作为当前点的预测分类

---

• 完整代码实现

#!/usr/bin/python
# -*- coding: utf-8 -*-
# @author: T


# 导入数据集
from sklearn.datasets import make_blobs
# 导入sklearn knn算法
from sklearn.neighbors import KNeighborsClassifier
# 导入数值计算库
import numpy as np 
# 导入画图库
import matplotlib.pyplot as plt
# 指定默认字体 解决画图中文乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False

'''
K近邻算法 思想：不知其人视其友
'''
'''
K近邻算法（knn)实现步骤：
	1.计算当前点与已知类别数据集中的点的距离
	2.距离递增排序，选出距离最小的k个点
	3.确定前k个点类别出现的频率
	4.将频率最高的类别最为当前点的预测分类
'''

def knn(inX, dataSet