《機器學習實戰》k最近鄰演算法(K-Nearest Neighbor,Python實現)

下邊舉例說明：

即使不知道未知電影屬於哪種型別，我們也可以通過某種方法計算出來，如下圖

現在我們得到了樣本集中與未知電影的距離，按照距離的遞增順序，可以找到k個距離最近的電影，假定k=3，則三個最靠近的電影是和he is not realy into Dudes,Beautiful women, California man kNN演算法按照距離最近的三部電影型別決定未知電影型別，這三部都是愛情片，所以未知電影的型別也為愛情片
二：KNN演算法的一般流程

step.1---初始化距離為最大值

step.2---計算未知樣本和每個訓練樣本的距離dist

step.3---得到目前K個最臨近樣本中的最大距離maxdist

step.4---如果dist小於maxdist，則將該訓練樣本作為K-最近鄰樣本

step.5---重複步驟2、3、4，直到未知樣本和所有訓練樣本的距離都算完

step.6---統計K-最近鄰樣本中每個類標號出現的次數

step.7---選擇出現頻率最大的類標號作為未知樣本的類標號

#encoding:utf-8
from numpy import *
import operator

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):
    #返回“陣列”的行數，如果shape[1]返回的則是陣列的列數
    dataSetSize = dataSet.shape[0]
    #兩個“陣列”相減，得到新的陣列
    diffMat = tile(inX,(dataSetSize,1))- dataSet
    #求平方
    sqDiffMat = diffMat **2
    #求和，返回的是一維陣列
    sqDistances = sqDiffMat.sum(axis=1)
    #開方，即測試點到其餘各個點的距離
    distances = sqDistances **0.5
    #排序，返回值是原陣列從小到大排序的下標值
    sortedDistIndicies = distances.argsort()
    #定義一個空的字典
    classCount = {}
    for i in range(k):
        #返回距離最近的k個點所對應的標籤值
        voteIlabel = labels[sortedDistIndicies[i]]
        #存放到字典中
        classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
    #排序 classCount.iteritems() 輸出鍵值對 key代表排序的關鍵字 True代表降序
    sortedClassCount = sorted(classCount.iteritems(),key = operator.itemgetter(1),reverse = True)
    #返回距離最小的點對應的標籤
   return sortedClassCount[0][0]