一、k-近邻算法(kNN)
工作原理:存在一个样本数据集合(训练样本集),并且样本集中每个数据都存在标签,即我们知道样本集中每一数据与所属分类的对应关系。
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,然后算法提取样本集中特征醉相思数据(最近邻)的分类标签。
一般来说,我们只选择样本数据集中前k个最相似的数据，(k的来源)，通常k<=20的整数,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
一般流程:收集-准备-分析数据-训练-测试-使用算法。
1.使用Python导入数据
1 from numpy import *#科学计算包
2 import operator #运算符模块
3
4 def createDataSet():
5 group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
6 labels = ['A','A','B','B']
7 return group,labels
8
9 def classify0(inX, dataSet, labels, k):#用于分类的输入向量inX，输入的训练样本集dataSet，标签向量labels，参数k用于选择最近邻居的数目
10 dataSetSize = dataSet.shape[0]
11 diffMat = tile(inX, (dataSetSize,1)) - dataSet
12 sqDiffMat = diffMat**2
13 sqDistances = sqDiffMat.sum(axis=1)
14 distances = sqDistances**0.5
15 sortedDistIndicies = distances.argsort()
16 classCount={}
17 for i in range(k):
18 voteIlabel = labels[sortedDistIndicies[i]]
19 classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
20 sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
21 return sortedClassCount[0][0]
执行命令：
>>>import kNN
>>>group,labels = kNN.createDataSet()
>>>group
array([[1. , 1.1],
[1. , 1. ],
[0. , 0. ],
[0. , 0.1]])
>>>labels
['A', 'A', 'B', 'B']
>>>kNN.classify0([0,0], group, labels, 3)
'B'
出现的错误： AttributeError: module 'KNN' has no attribute 'classify0' 原因：python2和python3不兼容 解决方法：将iteritems()改为items()，然后重启PyCharm