KNN的python实现

from numpy import *
from operator import itemgetter
from collections import Counter
def dataset():
    group = np.array([[1.,1.1],[1.,1.],[0.,0.],[0.,0.1]])
    labels = ['A','A','B','B']
    return group,labels

group,labels = dataset()

def classsify(array,dataset,labels,k):
    #print(dataset.shape[0])
    dataset_size = dataset.shape[0]
    #对输入进来的点进行维度扩展，扩展为4行2列，再减去要计算长度的点
    diff_mat = tile(array,(dataset_size,1)) - dataset
    #print(diff_mat)
    sqrt_diff_mat = diff_mat**2
    print(sqrt_diff_mat)
    #将一行中的两个元素进行相加
    sqrt_distances = sqrt_diff_mat.sum(axis = 1)
    #print(sqrt_diff_mat.sum(axis = 0))
    distances = sqrt_distances**0.5
    print(distances)
    #argsort函数返回的是数组值从小到大的索引值,这里0是最小的，在原数组中索引下标为2,0.1是第二小的，索引下标为3
    sorted_dist_distances = distances.argsort()
    print(sorted_dist_distances)
    classcount = {}
    
    for i in range(k):
        labels_list = labels[sorted_dist_distances[i]]
        #get(key,0)可用于计数，将键值保存在dict中，若key不存在则返回0。最初状态时字典为空，用0进行初始化，因为这时
        #字典中有了对应的key，所以+1，初始状态过后，第二次，由于字典中已经存在这个key了，所以get()返回1，因为key对应的
        #键值为1，第二次过后，key对应的键值为2......
        #print(classcount.get(labels_list,0))
        classcount[labels_list] = classcount.get(labels_list,0) + 1
        #print(classcount.get(labels_list,0))
    sortedclasscount = sorted(classcount.items(),key = itemgetter(1),reverse = True)    
    print(sortedclasscount)
    return sortedclasscount[0][0]
    
classsify([0,0],group,labels,3)

注释都写在程序里了