0415学习笔记：实施kNN算法

def classify0(inX, dataSet, labels, k): #inX is input vector, dataSet is training set 用于分类的输入向量是inX，输入的训练样本集为dataSet，标签向量为labels，最后的参数k表示用于选择最近邻居的数目
    dataSetSize = dataSet.shape[0] #返回行数
    diffMat = tile(inX, (dataSetSize,1)) - dataSet #tile创建datasetsize维数组
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum(axis=1)#axis=1表示按行相加
    distance = sqDistances ** 0.5
    sortedDistIndicies = distance.argsort()#数据按照从小到大的次序排序,argaort返回排序后元素在原对象中的下标
    classCount = {} #建立label：label出现次数字典
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.iteritems(),
                              key = operator.itemgetter(1),reverse = True)
#将classCount字典分解成元组列表，然后使用程序第二行导入运算符模块的itemgetter方法，按照第二个元素的次序对元组进行排序
    return sortedClassCount[0][0]

##k-近邻算法是基于实例的学习，使用算法时必须有接近实际数据的训练样本数据。

#k-近邻算法必须保存全部数据集，如果训练数据集很大，必须使用大量的存储控件。此外，由于必须对数据集中的每个数据计算距离值，实际使用时可能非常耗时。

#k-近邻算法的另一个缺陷是它无法给出任何数据的基础结构信息，因此我们也无法知晓平均实例样本和典型实例样本具有社么特征

测试数据所在分类

kNN.classify([0,0],group,labels,3)