python实现knn算法案例_python实现KNN算法

from numpy import *

import operator

import numpy as np

a = np.array([1,2,3,4,5,6])

print(a.shape)

def knn(k,testdata,traindata,labels):#traindata训练数据集 labels标签 k代表取多少个

traindatasize = traindata.shape[0]#shape函数查看数组有多少行列 [0]查看的是行数

dif = tile(testdata,(traindatasize,1))-traindata#计算差值 tile将训练集与测试集转换成相同维度

sqdif = dif**2 #差值平方

sumsqdif = sqdif.sum(axis=1)#axis = 各行差值求和

distance = sumsqdif**0.5#开方求出距离

sortidstance = distance.argsort()#排序

count = {}

for i in range(0,k):#经过k次循环

vote = labels[sortdistance[i]]#投票 每次取距离最小的

count[vote] = count.get(vote,0)+1 #计算最小值出现了多少次

sortcount = sorted(count.items(),key = operator.itemgetter(1),reverser=True)

#sorted(iterable[, cmp[, key[, reverse]]])

#投票的次数排序 key指定按照什么排序 reverser=True 为降序 默认为升序

return sortcount[0][0]#第0个元素第0个值

代码内容解释

from numpy import *

a = array([1,5,6,7])

#tile(a,2)#扩展a为两次 即原有列数*2

b = tile(a,(3,2))

#扩展a为 3行 8列 括号中3为行数，8列=2*4(原有列数)

b.shape

b.sum(axis=1)#各行求和

b.sum(axis=0)#各列求和

a.argsort()#排序

c = {}

c[5]=c.get(5,0)+1

c[5]=c.get(5,0)+1 #计算5出现了多少次

print(c)

count.items()#items() 方法以列表返回可遍历的(键, 值) 元组数组。

operator.itemgtter(1)

# sorted(iterable[, cmp[, key[, reverse]]])

# students为类对象的list，没个成员有三个域，用sorted进行比较时可以自己定cmp函数，例如这里要通过比较第三个数据成员来排序，代码可以这样写：

# students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10)]

# sorted(students, key=lambda student : student[2])

'''

(1)iterable指定要排序的list或者iterable(可迭代的)；

(2)cmp为函数，指定排序时进行比较的函数，可以指定一个函数或者lambda函数。

(3)key为函数，指定取待排序元素的哪一项进行排序，函数用上面的例子来说明，代码如下：

sorted(students, key=lambda student : student[2])

key指定的lambda函数功能是取元素student的第三个域(即：student[2])，因此sorted排序时，会以students所有元素的第三个域来进行排序,即15,

12,10来排序

有了上面的operator.itemgetter函数，也可以用该函数来实现，例如要通过student的第三个域排序，可以这么写：

sorted(students, key=operator.itemgetter(2))

sorted函数也可以进行多级排序，例如要根据第二个域和第三个域进行排序，可以这么写：

sorted(students, key=operator.itemgetter(1,2))

即先根据第二个域排序，再根据第三个域排序。

(4)reverse参数就不用多说了，是一个bool变量，表示升序还是降序排列，默认为false(升序排列)，定义为True时将按降序排列。

'''