- 计算已知类别数据集中的每个点与当前点之间的距离;
- 按照距离递增次序排序;
- 选取与当前距离最小的k个点;
- 确定前k个点所在类别的出现频率;
- 返回前k个点出现频率最高的类别作为当前点的预测分类;
python实现:
from numpy import *
import operator #operator是运算符模块,定义训练集
def createDataSet():
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): #inX是当前点的x值,dataSet是训练样本,labels为标签向量
dataSetsize = dataSet.shape[0] #dataSetsize为训练样本的个数
diffMat=tile(inX,(dataSetSize,1))-dataSet #tile(a,(b,c))将a在行方向重复c次,列重复d次,生成一组和训练样本维度一样的数组
sqDiffMat=diffMat**2 #对应位置分别平方
sqDistance=sqDiffMat.sum(axis=1) #列相加
distance=sqDistance**0.5 #计算出来每个样本与当前点之间的o欧式距离
sortedDistances=sqDistances.argsort() #argsort函数将sqDistance从小到大排序输出索引号
classCount={} #用于储存不同标签出现的次数
for i in range(k): #对前k个样本进行便利
voteIlabel=labels[sortedDistIndicies[i]] #索引对应的标签
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1#查询字典中有没有该标签值如果没有0,第一次生成的字典为{voteIlabel:1}
sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
#items函数将字典拆成列表形式无序如{‘A’:1}=[('A',1)]
#operator.itemgetter函数获取的不是值,而是定义了一个函数,通过该函数作用到对象上才能获取值,按照元组内第二个值将数目从小到大排序
#如结果Out[214]: [('B', 3), ('A', 2)]
return sortedClassCount[0][0] #返回第一个元组的第一个值