k-近邻算法（KNN）

采用测量不同特征值之间的距离方法进行分类。

KNN 工作原理

1.假设有一个带有标签的样本数据集（训练样本集），其中包含每条数据与所属分类的对应关系。

2.输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较。

• 计算新数据与样本数据集中每条数据的距离。
• 对求得的所有距离进行排序（从小到大，越小表示越相似）。
• 取前 k （k 一般小于等于 20 ）个样本数据对应的分类标签。

3.求 k 个数据中出现次数最多的分类标签作为新数据的分类。

KNN 开发流程

1. 收集数据：任何方法
2. 准备数据：距离计算所需要的数值，最好是结构化的数据格式
3. 分析数据：任何方法
4. 训练算法：此步骤不适用于 k-近邻算法
5. 测试算法：计算错误率
6. 使用算法：输入样本数据和结构化的输出结果，然后运行 k-近邻算法判断输入数据分类属于哪个分类，最后对计算出的分类执行后续处理

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):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()     
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)  
    #python2中为classCount.iteritems();
    return sortedClassCount[0][0]

>>> import kNN
>>> group,labels = kNN.createDataSet()
>>> kNN.classify0([0,0], group, labels, 3)
‘B‘
>>>