K-近邻算法的伪代码:
对未知类别属性中的点分别依次执行以下操作:
1.计算出当前点与已知类别数据集中的点的距离;
2.按照距离大小从小到大排序;
3.选出与当前点距离最小的前K个点;
4.确定这前K个点所在的类别出现的频率;
5.返回前k个点出现最高的频率的类别,也就是当前点的类别预测。
代码实现:
from numpy import *
import operator#运算符模块
def createDataSet():#创建数据集和标签
group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels = ['A','A','B','B']
return group, labels
def classify0(inX, dataSet, labels, k):#K-近邻算法,inX是输入变量,也就是进行分类的对象;
#DataSet是输入的样本训练集;标签向量是labels,k是选择最近邻居的数目
#计算距离
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize, 1)) - dataSet#tile就是把数组沿各个方向复制
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)#sum(axis=1)是对多维数组的行进行相加得到一个新的矩阵
distances = sqDistances ** 0.5
#选择距离最小的k个点
sortedDistIndicies = distances.argsort()#argsort()函数是将x中的元素从小到大排列,提取其对应的index(索引),然后输出到y
classCount={}
for i in range (k):
voteIlabel = labels[sortedDistIndicies[i]]#获取从前三个距离最小的点的类别
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1#dict.get(key, default=None),返回指定键的值,如果值不在字典中返回默认值 None
#排序
sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
#operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为一些序号。
#sorted函数用来排序,sorted(iterable[, cmp[, key[, reverse]]])
#key的参数为一个函数或者lambda函数。所以itemgetter可以用来当key的参数
#reverse=True降序,默认false升序
#这里是对classCount.items()的第二个域进行降序排列
return sortedClassCount[0][0]#返回出现频率最高的类别
在交互式开发环境运行结果: