机器学习实战之KNN分类器实现

# -*- coding: UTF-8 -*-
import numpy as np
import operator 

def createDataSet():
    #四组二维特征
    group = np.array([[1,101],[5,89],[108,5],[115,8]])
    #四组特征的标签
    labels = ['爱情片','爱情片','动作片','动作片']
    return group, labels  

    
def classify0(test, group, labels, k):
    #得到作差后的新数组
    diffmat=test-group
    sqdiffmat=diffmat**2
    #sum()所有元素相加，sum(0)所有列相加得到新的列表，sum(1)所有行相加
    dis1=sqdiffmat.sum(axis=1)    
    dis=dis1**0.5
    #返回一个列表的顺序排序索引
    sorted_disindex=dis.argsort()   

    classCount={}  #创建空字典
    for i in range(k):
        #取出前k个元素的类别
        votelabel = labels[sorted_disindex[i]]
        #dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。
        #计算类别次
        classCount[votelabel]=classCount.get(votelabel,0) + 1
        # #key=operator.itemgetter(1)根据字典的值进行排序
        #key=operator.itemgetter(0)根据字典的键进行排序
        #reverse降序排序字典
    sortedclassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return  sortedclassCount[0][0]

   
if __name__ == '__main__':    
    #创建数据集
    group, labels = createDataSet()
    #测试集
    test = [101,20]
    #kNN分类
    test_class = classify0(test, group, labels, 3)
    #打印分类结果
    print(test_class)