机器学习笔记：python中使用numpy实现KNN区分电影类型DEMO（爱情片和动作片分类）

import numpy as np
import operator


# K近邻算法分类爱情片和动作片
# 通过打斗镜头次数和接吻镜头次数区分


# 模拟数据 打斗次数 接吻次数
def init_data():
    data_X = np.array([[1,100],[2,96],[3,93],[6,90],[80,3],[93,2],[86,5]])
    data_Y = ['爱情片','爱情片','爱情片','爱情片','动作片','动作片','动作片']
    return data_X,data_Y


# data: 测试数据
# testData: 数据集合
# output:测试数据输出
# k:取最接近数据的前几个
def kNN(data, testData, output, k):
    # 获取测试数据数量
    dataInputRow = testData.shape[0]
    # np.tile 数组沿各个方向复制
    # 这里将输入数据copy和测试数据数量保持一致，用来计算和测试数据的欧式距离
    reduceData = np.tile(data, (dataInputRow,1)) - testData
    squareData = reduceData ** 2
    squareDataSum = squareData.sum(axis = 1)
    distance = squareDataSum ** .5
    sortDistance = distance.argsort()
    dataCount = {}
    # 统计排名靠前k数据的爱情片和动作片次数，取次数最高的做为输出
    for i in range(k):
        output_ = output[sortDistance[i]]
        dataCount[output_] = dataCount.get(output_,0) + 1
    sortDataCount = sorted(dataCount.items(), key = operator.itemgetter(1), reverse = True)
    return sortDataCount[0][0]


if __name__ == '__main__':
    data_X,data_Y = init_data()

    print(kNN([3,93], data_X, data_Y, 3))