Python数据挖掘实战篇：利用KNN进行电影分类

题目

下面数据集中序号1-12为已知的电影分类，分为喜剧片、动作片、爱情片三个种类，使用的特征值分别为搞笑镜头、打斗镜头、拥抱镜头的数量。那么来了一部新电影《万里归途》，它属于上述3个电影分类中的哪个类型？用KNN是怎么做的呢？
已知万里归途的搞笑镜头是23个，拥抱镜头是3个，打斗镜头是17个。

运行代码

import numpy as np
import math
def createDataset():
# 数据集
    movie_data = {"宝贝当家": [45, 2, 9, "喜剧片"],
                        "美人鱼": [21, 17, 5, "喜剧片"],
                        "澳门风云3": [54, 9, 11, "喜剧片"],
                        "功夫熊猫3": [39, 0, 31, "喜剧片"],
                        "谍影重重": [5, 2, 57, "动作片"],
                        "叶问3": [3, 2, 65, "动作片"],
                        "伦敦陷落": [2, 3, 55, "动作片"],
                        "我的特工爷爷": [6, 4, 21, "动作片"],
                        "奔爱": [7, 46, 4, "爱情片"],
                        "夜孔雀": [9, 39, 8, "爱情片"],
                        "代理情人": [9, 38, 2, "爱情片"],
                        "新步步惊心": [8, 34, 17, "爱情片"]}
    return movie_data
def kNN(movie_data, dataPoint, k):
    x=[23,3,17]
    # 1:计算一个新样本与数据集中所有数据的距离
    disList = []
    for key, v in movie_data.items():
        # 对距离进行平方和开根号
        # d = np.linalg.norm(np.array(v[:3]) - np.array(dataPoint))
        d=math.sqrt((v[0]-x[0])**2+(v[1]-x[1])**2+(v[2]-x[2])**2)
        #四舍五入保留两位小数添加到集合中
        disList.append([key, round(d, 2)])
    # 2:按照距离大小进行递增排序
    disList.sort(key=lambda dis: dis[1])  # 常规排序方法，熟悉key的作用
    # 3:选取距离最小的k个样本
    disList = disList[:k]
    # 4:确定前k个样本所在类别出现的频率，并输出出现频率最高的类别
    labels = {"喜剧片": 0, "动作片": 0, "爱情片": 0}
    # 从k个中进行统计哪个类别标签最多
    for s in disList:
        # 取出对应标签
        label = movie_data[s[0]]
        labels[label[len(label) - 1]] += 1
    labels = sorted(labels.items(), key=lambda asd: asd[1], reverse=True)
    return labels, labels[0][0]
if __name__ == '__main__':
    movie_data = createDataset()
    testData = {"万里归途": [23, 3, 17, "？片"]}
    dataPoint = list(testData.values())[0][0:3]
    k = 5
    labels, result = kNN(movie_data, dataPoint, k)
    print(labels, result, sep='\n')

运行结果