k-近邻算法

简单说明

这个算法主要工作是测量不同特征值之间的距离，有个这个距离，就可以进行分类了。

简称kNN。

已知：训练集，以及每个训练集的标签。

接下来：和训练集中的数据对比，计算最相似的k个距离。选择相似数据中最多的那个分类。作为新数据的分类。

python实例

# -*- coding: cp936 -*-



#win系统中应用cp936编码，linux中最好还是utf-8比较好。

from numpy import *#引入科学计算包

import operator #经典python函数库。运算符模块。



#创建数据集

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



#算法核心

#inX：用于分类的输入向量。即将对其进行分类。

#dataSet：训练样本集

#labels:标签向量

def classfy0(inX,dataSet,labels,k):

    #距离计算

    dataSetSize =dataSet.shape[0]#得到数组的行数。即知道有几个训练数据

    diffMat     =tile(inX,(dataSetSize,1))-dataSet#tile:numpy中的函数。tile将原来的一个数组，扩充成了4个一样的数组。diffMat得到了目标与训练数值之间的差值。

    sqDiffMat   =diffMat**2#各个元素分别平方

    sqDistances =sqDiffMat.sum(axis=1)#对应列相乘，即得到了每一个距离的平方

    distances   =sqDistances**0.5#开方，得到距离。

    sortedDistIndicies=distances.argsort()#升序排列

    #选择距离最小的k个点。

    classCount={}

    for i in range(k):

        voteIlabel=labels[sortedDistIndicies[i]]

        classCount[voteIlabel]=classCount.get(voteIlabel,0)+1

    #排序

    sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)

    return sortedClassCount[0][0]

意外收获

把自己写的模块加入到python默认就有的搜索路径：在python/lib/-packages目录下建立一个 xxx.pth的文件，写入自己写的模块所在的路径即可