用K近邻算法实现分类任务

先创建一个提供数据集和标签的函数

from numpy import *
import operator #此为运算符模块，之后k近邻算法执行排序操作时会用到

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

KNN分类算法

伪代码如下:
对输入的数据集（暂未确定标签）中的每个样本(点)依次执行以下操作：

1. 计算它与已知类别数据集中的每个样本(点)的距离;
2. 对距离进行升序排序，即距离越小的已知样本（点）排在越前面;
3. 选取前k个已知样本（点）；
4. 确定前k个点所在类别的出现频率；
5. 返回前k个点中出现频率最高的类别作为当前未知点的分类。

kNN分类算法代码如下，有些函数不懂，具体用法介绍已经附在代码后面。

#inX为输入向量，dataSet为输入的训练样本集,labels为标签向量，k就是那个k
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
#以上是计算欧式距离
sortedDistIndicies = distances.argsort()
classCount={}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
#以上是选取k个点，标注标签的出现次数
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
#以上是根据次数排序
return sortedClassCount[0][0]

numpy.tile()函数
numpy.argsort()函数
dict_name.iteritems用法以及和dict_name.item区别
sorted()函数

代入数据检验

group, labels = createDataSet()
print(gruop)
print(labels)
print(classify0([0,0],group,labels,3)

结果是B类

kNN分类算法实例

1. 用kNN改进约会网站配对效果
2. 手写体识别