2015.11.27-------KNN算法的python实现的应用

<span style="font-family: Arial, Helvetica, sans-serif;">Python代码：</span>

<span style="font-family: Arial, Helvetica, sans-serif;">def classify0(inX,dataSet,labels,k):    </span>

    dataSetSize=dataSet.shape[0] ##shape代表矩阵的一边的长度
    diffMat=tile(inX,(dataSetSize,1))-dataSet     ##j将inX重复成(dataSetSize,1)的矩阵，减去dataSet，获得每一项的离差
    sqDiffMat=diffMat**2                          ##矩阵的**乘数代表矩阵中每一项自己相乘为乘方
    sqDistances=sqDiffMat.sum(axis=1)             ##将矩阵每一行中的元素相加
    distances=sqDistances**0.5                    ##将矩阵每一项自己取0.5次方
    sortedDistIndicies=distances.argsort()        ##argsot()顺序：从小到大
    classCount={}                                 ##新建一个字典 
    for i in range(k):                            ##从最小的开始到第k小的
        voteIlabel=labels[sortedDistIndicies[i]]
        classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
    sortedClassCount =sorted(classCount.iteritems(),
                             key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

</pre><pre name="code" class="python">

编辑:1.tile：tile(A,n)，功能是将数组A重复n次，构成一个新的数组，我们还是使用具体的例子来说明问题： 2.举例子：

但是由于矩阵维度的问题，导致无法计算：

[4,4]的矩阵经过[4,1]的重复之后变成了[16,4]的矩阵；这说明，inx应该是用于分类的输入向量，即将对其进行分类，比如，训练样本是[4,4]的矩阵，标记好，矩阵的每一行都是一次样本值，输入样本与[1x4,4]每一个求距离，输出距离最小的那一项对应的标签(如上图)

将labels标记为：'A','B','C','D',然后将数据分类：

得到结果是A