python的knn算法list_Python实现的knn算法示例

本文实例讲述了Python实现的knn算法。分享给大家供大家参考，具体如下：

代码参考机器学习实战那本书：

机器学习实战 (Peter Harrington著) 中文版

机器学习实战 (Peter Harrington著) 英文原版[附源代码]

有兴趣你们可以去了解下

具体代码：

# -*- coding:utf-8 -*-

#! python2

'''''

@author:zhoumeixu

createdate:2015年8月27日

'''

#np.zeros((4,2))

#np.zeros(8).reshape(4,2)

#x=np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) np.zeros_like(x)

# 最值和排序：最值有np.max(),np.min() 他们都有axis和out(输出)参数,

# 而通过np.argmax(), np.argmin()可以得到取得最大或最小值时的 下标。

# 排序通过np.sort(), 而np.argsort()得到的是排序后的数据原来位置的下标

# 简单实现knn算法的基本思路

import numpy as np

import operator #运算符操作包

from _ctypes import Array

from statsmodels.sandbox.regression.kernridgeregress_class import plt_closeall

def createDataSet():

group=np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])

labels=['A','A','B','B']

return group ,labels

group,labels=createDataSet()

def classify0(inx,dataSet,labels,k):

dataSetSize=dataSet.shape[0]

diffMat=np.tile(inx,(dataSetSize,1))-dataSet

sqDiffMat=diffMat**2

sqDistances=sqDiffMat.sum(axis=1)

distances=sqDistances**0.5 #计算距离 python中会自动广播的形式

sortedDistIndicies=distances.argsort() #排序，得到原来数据的在原来所在的下标

classCount={}

for i in range(k):

voteIlabel=labels[sortedDistI