kNN算法伪代码:
1】计算已知类别数据集中的点与当前点之间的距离
2】按照距离递增次序排序
3】选取与当前点距离最小的k个点
4】确定前k个点所在类别的出现频率
5】返回前k个点出现频率最高的类别作为当前点的预测分类
源代码实现:
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1) #向量的每一行相加
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort() #返回数值从小到大的索引值
classCount={}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #统计分类标识的频率次数
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) #得到出现频率的字典数据(从大到小)
return sortedClassCount[0][0] #返回出现频率最大的标签