机器学习（K-近邻算法）Python的基础知识

0x000 算法基础知识前言

在看机器学习实战pytho实现的时候，有些代码看不懂，特此总结一下，下面分别介绍。

0x0001 K-近邻算法算法Python的Numpy库基础知识

numpy中的eye

numpy.eye(N,M=None, k=0, dtype=<type 'float'>)

N,M参数：输出方阵（行数=列数）的规模，即行数或列数

K参数：默认情况下输出的是对角线全“1”，其余全“0”的方阵，如果k为正整数，则在右上方第k条对角线全“1”其余全“0”，k为负整数则在左下方第k条对角线全“1”其余全“0”。

创建一个eye.py文件代码如下：

from numpy import *
e = eye(3)
e1 = eye(3,k=1)

在shell里输入下面代码：

>>> e
#e的结果
array([[ 1.,  0.,  0.],
[ 0.,  1.,  0.],
[ 0.,  0.,  1.]])
>>> e1
#e1的结果
array([[ 0.,  1.,  0.],
[ 0.,  0.,  1.],
[ 0.,  0.,  0.]])

numpy中的shape

根据上面创建的对角矩阵的基础上，我们继续在shell中输入一下代码，并且附带结果：

>>> e
array([[ 1.,  0.,  0.],
[ 0.,  1.,  0.],
[ 0.,  0.,  1.]])
>>> e.shape
(3, 3)
>>> e.shape[0]
3
>>> e.shape[1]
3

通过shape我们可以来查看一个矩阵的行列长度。而这组例子并不好分辨shape[0]和shape[1]分别代表的是什么，接下来我们在来创建一组例子：

a = array([[0,2,2],
[3,1,0],
[1,2,7],
[9,5,9]])

shell输入：

>>> a
array([[0, 2, 2],
[3, 1, 0],
[1, 2, 7],
[9, 5, 9]])
>>> a.shape
(4, 3)

>>> a.shape[0]
4
>>> a.shape[1]
3

这样就很清晰的看出来shape[0]=4,shape[1]=3,也就是说shape[0]代表的是矩阵的行数，shape[1]代表的是列数。

numpy中的tile

tile(a,(m,n))的含义：将a数组复制n次暂时储存到一个临时变量里，在通过这个临时变量复制m次得到的结果就是tile(a,(m,n));

更简单的来说其实m就是代表结果中矩阵最后的m行数，而n代表的是每行矩阵中复制a的次数

例如下面：

创建一个tile.py文件，代码如下：

from numpy import *

a = [0,1,2]

shell中：

#将2复制一次
>>> b = tile(2,(2,1))
>>> b
array([[2],
[2]])
>>> c = tile(a,(3,2))
>>> c
array([[0, 1, 2, 0, 1, 2],
[0, 1, 2, 0, 1, 2],
[0, 1, 2, 0, 1, 2]])
>>> d = tile(a,(4))
>>> d
array([0, 1, 2, 0, 1, 2, 0, 1, 2, 0, 1, 2])

numpy中的sum(axis=0,1)

　　创建一个sum.py的文件，代码如下：

from numpy import *
a = [0,1,2]
b = [2,1,3]

分别输入以下代码：

#分别设置sum的后缀axis参数，为0，1，无
>>> c = sum([a,b],axis=0)
>>> d = sum([a,b],axis=1)
>>> e = sum([a,b])
#下面是IDLE输出的结果
>>> c
array([2, 2, 5])
>>> d
array([3, 6])
>>> e
9

通过上面的结果我们可以知道：

①当axis=0时，是把两个数组以列来相加，也就是[0+2,1+1,2+3]=[2,2,5]

②当axis=1时，是把两个数组以行来相加，也就是[0+1+2,2+1+3]=[3,6]

③当没有参数时，默认将所有相加：0+1+2+2+1+3=9

numpy中的argsort()

argsort(a, axis=-1, kind=’quicksort’, order=None)

argsort函数返回的是数组值从小到大的索引值

One dimensional array:一维数组

>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])

Two-dimensional array:二维数组

>>> x = np.array([[0, 3], [2, 2]])
>>> x
array([[0, 3],
[2, 2]])
#按列排序
>>> np.argsort(x, axis=0)
array([[0, 1],
[1, 0]])
#按行排序
>>> np.argsort(x, axis=1)
array([[0, 1],
[0, 1]])

0x0002 K-近邻算法Python实现中的Python基础知识

幂的表示方法 ——– **

**：这个就代表了python中的幂次方，例如我们平时打字表示的时候2^2=4这个^在Python中的表示就是两个星号了。

sorted()

sort函数是list列表中的函数，而sorted可以对list或者iterator进行排序

如果用sort函数对列表排序时会影响列表本身，而sorted不会。

例子：

>>> a = [1,2,1,4,3,5]
>>> a.sort()
>>> a
[1, 1, 2, 3, 4, 5]

>>> a = [1,2,1,4,3,5]
>>> sorted(a)
[1, 1, 2, 3, 4, 5]
>>> a
[1, 2, 1, 4, 3, 5]

sorted(iterable，cmp，key，reverse）

参数：iterable可以是list或者iterator；

cmp是带两个参数的比较函数；

key 是带一个参数的函数；

reverse为False或者True，升序或者降序；

例：

#operator.py文件代码：
from numpy import *
import operator
a = [3,1,9]

#shell
>>> b = operator.itemgetter(0)
>>> b(a)
3
>>> b = operator.itemgetter(1)
>>> b(a)
1
>>> b = operator.itemgetter(2)
>>> b(a)
9

operator.itemgetter函数获取的不是值，而是定义了一个函数。

K-近邻算法基础总结

大概Python用到的基础知识就是这么多，大部分都是numpy下的知识点，先把基础知识掌握在开始机器学习day02的近邻算法总结