【k-近邻算法】 python代码

 python环境：3.7

from numpy import *
import operator

#设置数据集，以及每个数据对应的分类
def createDataSet() :
    group = array([[1.0,1.1], [1.0,1.0], [0,0], [0,0.1], [0.1, 0]])
    labels = ['A', 'A', 'B', 'B', 'B']
    return group, labels


group,labels = createDataSet()
#group
# [[1.  1.1]
#  [1.  1. ]
#  [0.  0. ]
#  [0.  0.1]]

def classify(inX, dataSet, labels, k) :
    #获取行数
    dataSetSize = dataSet.shape[0]

    # 生成n个与训练样本数量对应的测试样本矩阵，计算测试样本与训练样本之间的距离
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet
    # tile(inX, (dataSetSize, 1)) : 对inX，在列方向上重复dataSetSize次，在行方向上重复1次，生成dataSetSize * 1 的矩阵
    # 即
    # [[0, 0],
    #  [0, 0],
    #  [0, 0],
    #  [0, 0]]
    #
    # diffMat:
    # [[-1. - 1.1]
    #  [-1. - 1.]
    #  [0.   0.]
    #  [0. - 0.1]]
    # diffMat距离矩阵的每个距离值平方 (不平方也不太影响)
    sqDiffMat = power(diffMat, 2)
    # sqDiffMat = diffMat
    # [[1., 1.21],