原生Python实现knn分类算法，用鸢尾花数据集

用鸢尾花数据集来进行测试，鸢尾花数据集包含4个数据元素，分别是（花萼长度
，花萼宽度，花瓣长度，花瓣宽度），所以测试的时候需要输入4个数据来进行预测。
算法思想：
1. 调用鸢尾花数据集和类别标签

from sklearn.datasets import load_iris
iris_dataset=load_iris()
data=iris_dataset['data']  #获取鸢尾花数据集
label=iris_dataset['target']  #获取标签列表

2. 用欧式定理计算每个数据与预测数据的距离。

for j in range(len(data)):  #计算最短距离度量，并保存在数组中
    for i in range(1,k+1):
        #欧式定理算法，计算最小距离
        c=abs(a[0]-data[j][0])**i+abs(a[1]-data[j][1])**i+abs(a[2]-data[j][2])**i+abs(a[3]-data[j][3])**i
        d=pow(c,1/i)
        list_min_lang.append(d)

3. 找到距离最短的前k个数据，并判断他们的类别
4. 比较哪种类别的数量最多
5. 预测出结果
源代码：

from sklearn.datasets import load_iris
iris_dataset=load_iris()
data=iris_dataset['data']  #获取鸢尾花数据集
label=iris_dataset['target']  #获取标签列表
a=[]                 #建立目标点的数据集
b=input("请输入目标点")   #将输入的字符型数据分割并转换成float型
a=b.split()
for i in range(4):
    a[i]=float(a[i])

    
k=int(input("请输入近邻:"))

list_min_lang=[]     #最短距离列表，存放最短的距离数据
list_all_min=[]    #所有点的最小距离
#三个标签的数量
label1=0
label2=0
label3=0

for j in range(len(data)):  #计算最短距离度量，并保存在数组中
    for i in range(1,k+1):
        #欧式定理算法，计算最小距离
        c=abs(a[0]-data[j][0])**i+abs(a[1]-data[j][1])**i+abs(a[2]-data[j][2])**i+abs(a[3]-data[j][3])**i
        d=pow(c,1/i)
        list_min_lang.append(d)
list_min_lang.sort()

list_all_min=list_min_lang   #存放k个最小距离值的列表
for i in range(k):  #找寻数组中与目标点距离最短的n个点，进行记录，并且进行预测
        for j in range(len(list_min_lang)):
            if list_all_min[i]==list_min_lang[j]:
                #判断邻近点分别是什么类
                if(label[list_min_lang.index(list_min_lang[j])]==0):
                    label1+=1
                if(label[list_min_lang.index(list_min_lang[j])]==1):
                    label2+=1
                else:
                    label3+=1
#找出邻近点最多的类别
label_list=[]
label_list.append(label1)
label_list.append(label2)
label_list.append(label3)
label_list.sort()
if(label_list[2]==label1):
    n=0
if(label_list[2]==label2):
    n=1
if(label_list[2]==label3):
    n=2  
print("该目标数据为{}类".format(n)) 
                 

截图


总结
这次作业加强了我对knn算法的理解，Knn算法分类的重点是要找到所有点与目标点的距离，这里用到了查到的欧式定理来解决问题。还有就是加强了我用Python编程的熟练度，由于Python才开始学习不久，编程过程中遇到一些困难，经过上网查阅和询问，慢慢了解了更多，比如将字符串分割在转换成数值型，还有将列表排序的sort（）方法等等。总之还需要不断的学习和进步。