K近邻（KNN）算法原理及python实现

1.算法原理

KNN是一个极其简单的算法，工作流程如下：

距离计算公式可以使用欧几里得距离，曼哈顿距离，闵可夫斯基距离等等，代码展示为了简单使用欧几里得距离。

2.代码实现

""" 
函数功能：KNN分类器
参数说明：
    inx:需要预测分类的样本
    dataSet:已知分类标签的数据集（训练集）
    k:k-近邻算法参数，选择距离最小的k个点
    返回：result：分类结果 
""" 
def classify0(inX,dataSet,k):
	dim = dataSet.shape[1]
    result = []
    dist = list((((dataSet.iloc[:,:dim-1]-inX)**2).sum(1))**0.5)
    dist_l = pd.DataFrame({'dist':dist,'labels':(dataSet.iloc[:, dim])})
    dr = dist_l.sort_values(by = 'dist')[: k]
    re = dr.loc[:, 'labels'].value_counts()
    result.append(re.index[0])
    return result