python3 knn算法实现

1 代码实现

import numpy as np
def knn_classify(inx,train,labels,k):
    row = np.shape(train)[0] #训练集有多少行
    test = np.tile(inx,[row,1]) # 把一个样本复制row行
    dis = test-train # 数组各个元素对应相减
    dis = dis**2
    dis = np.sum(dis,axis=1)
    dis = dis**0.5
    raw_index = np.argsort(dis)
    # 统计前k个的标签状况
    classcount = {}
    for i in range(k):
        label = labels[raw_index[i]]
        if label in classcount:
            classcount[label] +=1
        else:
            classcount[label] = 1
    # 对字典排序
    sort_classcount = sorted(classcount.items(),key=lambda x:x[1],reverse=True)
    return sort_classcount[0][0]

inx输入一个数据，1*n的形式，train训练集，m*n格式，m是样本个数，n是特征个数，labels训练集标签，k最近的k个距离

样例：

此knn算法参考机器学习实战，是对一个样本的预测输出

标签可以是字符串，也可以是数字

2 所用函数解释

• np.shape()  如果是二维，返回行数，列数
• np.tile() # 元素复制

tile([1,2],[2,1])，对[1,2]复制成2行1列

import numpy as np
np.tile([1,2],[2,1])

array([[1, 2],
       [1, 2]])

• 数组的加减乘除运算

数组的加减乘除是对应元素的加减乘除，和矩阵的运算不一样

• 数组求和，求平均

np.sum()，np.mean()

对于二维数组，通过参数axis=0/1，来控制是对行运算，还是列运算

axis=1，对行求和，求平均，axis=0，队列求和，或求平均

• np.argsort()

对于sorted()，返回各个元素从小到大排序的结果

对于np.argsort()，各个元素排序后，不输出各个元素的排序的结果，而输出各个元素的索引，

这个索引是未排序时元素所在序列的编号。

• 对字典的排序

参考对字典的排序