knn算法python代码_KNN算法原理（python代码实现）

kNN(k-nearest neighbor algorithm)算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。简单地说，K-近邻算法采用测量不同特征值之间的距离方法进行分类。

- 优点：精度高、对异常值不敏感、无数据输入假定。

- 缺点：计算复杂度高、空间复杂度高。

- 适用数据范围：数值型和标称型。

举个简单的例子，一群男生和一群女生，我们知道他们的身高和性别。

如下表格：

身高

性别

165

女

166

女

169

女

175

男

178

男

180

男

190

男

179

未知

这里有8位同学，已知所有人的身高，其中7个人的性别，还有位同学只知道身高，那么这位同学可能是男生还是女生。

下面我们利用KNN算法来分类：

1. 求这位同学跟其他同学的身高差；

2. 设定一个K值，选择跟这位同学身高相差最小的K个同学；

3. 在这K个同学中，哪种性别的人多，就认为这位同学属于哪种性别。

举例：设K为5

计算这位同学与其他同学的身高差的绝对值：如下

身高差的绝对值

性别

14

女

13

女

10

女

4

男

1

男

1

男

11

男

与这位同学身高差最接近的5位同学中，有4位男生，1位女生，所以我们认为这位同学也是男生。

现实当中，肯定不止考虑身高，还要考虑体重、头发长度等等因素。算法的思想还是一样，这时候“距离”的计算公式为欧氏距离：

在多个特征，多个分类的情况下，KNN算法思想：

1. 计算预分类的与样本中的欧氏距离(当然还有其他距离)；

2. 选择距离最小的K的样本；

3. 把预分类归为：K个样本中，类别最多的那个类别。

下面是KNN的python代码实现:

1 from numpy import *

2 importoperator3 from os importlistdir4 filename_train='C:\\Users\\Administrator\\Desktop\\digits\\trainingDigits\\'

5 filename_test='C:\\Users\\Administrator\\Desktop\\digits\\testDigits\\'

6 #KNN算法函数

7 defclassify0(inX, dataSet, labels, k):8 dataSetSize =dataSet.shape[0]9 diffMat = tile(inX, (dataSetSize, 1)) -dataSet10 sqDiffMat = diffMat ** 2

11 sqDistances = sqDiffMat.sum(axis=1)12 distances = sqDistances ** 0.5

13 sortedDistIndicies =distances.argsort()14 classCount ={}15 for i inrange(k):16 voteIlabel =labels[sortedDistIndicies[i]]17 classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1

18 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)19 return(sortedClassCount[0][0])20

21 #将图像转化为向量

22 defimg2vector(filename):23 returnVect = zeros((1, 1024))24 fr =open(filename)25 for i in range(32):26 lineStr =fr.readline()27 for j in range(32):28 returnVect[0, 32 * i + j] =int(lineStr[j])29 return(returnVect)30

31 #手写分类

32 defhandwritingClassTest():33 hwLabels =[]34 trainingFileList = listdir(filename_train) #载入数据所在目录

35 m =len(trainingFileList)36 trainingMat = zeros((m, 1024))37 for i inrange(m):38 fileNameStr =trainingFileList[i]39 fileStr = fileNameStr.split('.')[0]40 classNumStr = int(fileStr.split('_')[0])41 hwLabels.append(classNumStr)42 trainingMat[i, :] = img2vector(filename_train+fileNameStr)43 testFileList =listdir(filename_test)44 errorCount = 0.0

45 mTest =len(testFileList)46 for i inrange(mTest):47 fileNameStr =testFileList[i]48 fileStr = fileNameStr.split('.')[0]49 classNumStr = int(fileStr.split('_')[0])50 vectorUnderTest = img2vector(filename_test+fileNameStr)51 classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)52 print("the classifier came back with: %d, the real answer is: %d" %(classifierResult, classNumStr))53 if (classifierResult != classNumStr): errorCount += 1.0

54 print("\nthe total number of errors is: %d" %errorCount)55 print("\nthe total error rate is: %f" % (errorCount /float(mTest)))56

57 if __name__=='__main__':58 handwritingClassTest()

结果如下，效果还不错。

the total number of errors is: 11

the total error rate is: 0.011628