KNN算法的python实现

knn算法的原理我就不多说了，我直接上代码吧
1.处理数据函数

def handle_data(dataset):
    """
    获取数据
    :param dataset:样本集
    :return:输出x，y
    """
    # 数据的x与y
    x = dataset[:, :-1].astype(np.float)
    y = dataset[:, -1]
    return x,y

2.主算法流程

def knn_classifier(k,dataset,input):
    """
    执行算法
    :param k:k个邻居
    :param dataset:所有的数据集
    :param input:输入的预测数据
    :return:输出预测的分类
    """
    x,y = handle_data(dataset)
    #1.计算数据样本合数据集中样本的距离
    distance = np.sum((input-x)**2,axis = 1)
    print('distance',distance)
    #2.将所有的距离从小到大排序
    sortDist = np.argsort(distance)
    #3.计算前k哥最小距离的类别的个数
    countLabel = {}
    for i in range(k):
        label = y[sortDist[i]]
        countLabel[label] = countLabel.get(label,0)+1
    # 4.返回前k个最小距离中最多的一个
    sortLabel = sorted(countLabel.items(), key = operator.itemgetter(1), reverse=True)
    return sortLabel[0][0]

3.主函数

dataset = np.loadtxt('datas.txt',dtype = np.str,delimiter = ",")
predict_data = [2,2]
print(knn_classifier(2,dataset,predict_data))

这个代码的通用性很高，只要符合dataset是以下的数据形势

1,1,A
1,2,A
1.5,1.5,A
3,4,B
4,4,B