《机器学习实战》k邻近算法代码（2-1）详解

注明：此文的代码源于《机器学习实战》。注释为个人为学习而添加，仅供参考。
概述：利用矩阵计算距离
步骤:1.得到训练集矩阵和对应的标签 ; 
     2. 将每个变量集复制和训练集矩阵同结构的矩阵；
     3. 变量集矩阵和训练集矩阵相减，结果中每个元素计算2次幂之后，再按行对元素进行求和后开2次方，使用的是欧式距离计算公式
     4. 对距离最近的前k个标签进行统计，结果最大的也就变量集应该属于的标签

from numpy as np
import operator as op 

# 输入已知的训练集和标签：
def createdataset():
    group = np.array([1.0,1.1],[1.0,1.0],[0,0],[0,0.1])
    labels = ['A','A','B','B']
    return group,labels
    
#计算距离和排序：
def classify0(inx, dataset, labels, k):
    datasetsize = dataset.shape(0)
    #dataset.shape(0)：求矩阵dataset的第一维度（列）的长度
    #shape是个numpy函数：作用是求矩阵的行列数或者某个维度/列的长度。如果求某个维度的长度，需要在shape后面加上（维度索引位置），否则是得到矩阵的行列数值。
    diffmat = tile(inx, (datasetsize, 1)) - dataset 
    # tile(inx, (datasetsize