Machine Learning in Action机器学习——第二章k-近邻算法代码详解（一）

一、近邻算法的定义与作用也就是意义

k-近邻算法，近邻算法近邻算法顾名思义，找到最近的点然后进行归纳，距离哪些点最近这个点就属于那个类。这和线性回归算法有异曲同工之妙，但是我感觉还是一元线性回归算法更加精准。（有兴趣的小伙伴可以参阅《西瓜书》与《南瓜书》），当然就方便来说，可能k-近邻算法更加方便并且容易理解。

一般的，k-近邻算法可以应用的范围特别广，因为他本身就是一个分类问题。在书中介绍的就是有电影分类、择偶、识别手写数字。

二、近邻算法的代码详解

1、实施分类算法

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]  # 代表的是dataSet数据集中的行数
    diffMat = tile(inX,(dataSetSize, 1)) - dataSet  # 计算未知类的数据集与已知数据集的差
    sqDiffMat = diffMat**2  # 差值平方化
    sqDistances = sqDiffMat.sum(axis=1)  # 把（未平方根化之前的）未知数据集与两个已知数据的距离分别计算出来
    distances = sqDistances**0.5  # 距离平方根化
    sortedDistIndicies = distances.argsort()  # 排序,返回下标
    classCount = {}  # 建立一个新的字典以便于之后将数据归纳其中
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]  # 遍历排序后的前 k 个标签
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 # 记录这 k 个标签出现的次数
    sortedClassCount = sorted(classCount.items(),  key=operator.itemgetter(1), reverse=True)  # 按照出现次数对标签进行从大到小排序
    return sortedClassCount[0][0]  # 返回出现次数最多的那个标签

参数含义 

inX代表的是所需要分类的对象，也就是用于分类的输入向量

dataSet代表的是inX要被分类出来的依据对象，是依据dataSet这个数据组才把inX分为那些类，也就是书上的输入的训练样本集

labels也就是dataSet所对应的标签，比如说爱情片、恐怖片这种，用于将最多的标签复制给inX的标签，最后作为一个返回值。

k代表所抽取的前几个元素，进行分类之后会将标签与数据集依次排序排序之后的前k个元素中哪个标签所占数目比较多，就将inX分为这个标签。

到这里kNN的大概意思应该就解释清楚了（书中后面列举的是具体的实例），下面看具体的函数作用。

函数解析

shape：在这里用shape[0]来读取这个dataSet数据集的行数

tile：在这里用tile是将inX汇聚成dataSize行一列的数据集，因为矩阵的运算规律需要我们这么做。

sum：sum(axis=1)其中axis=1的意思是，将每一行的元素加起来，然后再进行接下来的开方。

argsort：就是分类函数了，对distance进行排序

sorted：对于classCount.items()进行排序，排序依据是operater（也就是classCount.item）的第二个元素，也就是上面循环中求出的每个标签的数字。从大到小进行排序。

难点解析

    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]  # 遍历排序后的前 k 个标签
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 # 记录这 k 个标签出现的次数

在这个循环之中，有一个问题，labels如何和以及分类排序之后的数据集找到一一对应的关系。所以上面使用了一个argsort函数

函数的具体效果如上图，这样根据大小排列之后，dataSet的标签依旧不会改变。也就解决了上述问题。

三、总结

以上就是kNN分类算法的大体解析，实例介绍我们放在之后的讲解中。

上面都是我学习之中遇到的一些困难以及疑惑，如果小伙伴们还有其他的问题也欢迎私信我进行交流。

代码出处出自于机器学习实战这本书中，其中对于python3.X与python2.X的不同进行了一些调整，例如：

python2与3的变动

python2	python3
print “”	print("")
iteritems()	items()