简介
k-近邻算法(k-Nearest Neighbour algorithm),又称为KNN算法,是数据挖掘技术中原理最简单的算法。KNN
的工作原理:给定一个已知标签类别的训练数据集,输入没有标签的新数据后,在训练数据集中找到与新数据最邻
近的k个实例,如果这k个实例的多数属于某个类别,那么新数据就属于这个类别。可以简单理解为:由那些离X最
近的k个点来投票决定X归为哪一类。
代码实现
import pandas as pd
def classify(x, dataset, k):
"""
函数功能:knn分类器
参数说明:
x:需要预测分类的数据集,形式为(x1,x2,...xn)
dataset:已知分类标签的数据集(训练集),形式为(x1,x2,...xn,标签)
k:k近邻算法参数,选取距离最小的k个点
返回: resul:分类结果
"""
dataset = pd.DataFrame(dataset)
list = ((dataset.iloc[:, :-1] - x) ** 2).sum(1) #求出所有训练集的坐标与x的距离,也可以不开方
z = pd.concat([list, dataset.iloc[:, -1]], axis=1).sort_values(by=0)[:k].iloc[:, -1].value_counts() #选取距离最小的前k个样本点的标签,并统计数目
result = z.index[0] #选取数目最高的类别作为x的预测类别
return result