机器学习实战--KNN代码解析

'''
kNN: K近邻算法

Input:      inX: 要判断的数据
            dataSet: 训练数据集
            labels: 数据分类
            k: 输出结果的个数
            
Output:     输出欧氏距离最小的k个数
这个KNN算法的主程序

'''
from numpy import *
import operator
from os import listdir

def classify0(inX, dataSet, labels, k):
    """
    训练模型，inx 
    """
    dataSetSize = dataSet.shape[0]  #长度
    diffMat = tile(inX, (dataSetSize,1)) - dataSet   #将预测减去测试样本
    sqDiffMat = diffMat**2   #平方差
    sqDistances = sqDiffMat.sum(axis=1) #多个平方之和
    distances = sqDistances**0.5        #开平方
    sortedDistIndicies = distances.argsort()   #数组值从小到大的索引值  
    classCount={}          
    for i in range(k):  
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1    #将相应分类的个数加1
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1)