超简单|Python实现机器学习算法——KNN

KNN算法简介

KNN算法（k近邻算法）是一种有监督分类算法，它的原理非常简单，下面以一个简单的例子引入。
已知两种酒的标签：赤霞珠和黑皮诺，在这个情景中，我们对酒进行分类的依据是酒精浓度和颜色深度，如下图所示：红色代表赤霞珠，紫色代表黑皮诺，图中有一分类未知的黄点，给定一个K值，我们找到距离黄点最近的K个点，假设K取3，我们发现距离黄点最近的3个点都是红点，0个紫点，根据少数服从多数原则，红：紫 = 3:0，所以认为黄点属于红色这一类，即赤霞珠。

算法实现步骤

根据上面那个例子，我们可以把KNN算法过程总结为以下几个步骤：

1. 确定一个K值， K值我一般取奇数，方便投票；
2. 计算已知类别数据集中的点与当前点的距离 ；
3. 找到距离最小的K个点 ；
4. 确认这K个点的类别 ；
5. 把出现次数最多的类别作为当前点的预测类别 ；

如何用python实现KNN算法

#导入需要的库
import numpy as np
import pandas as pd`
import matplotlib.pyplot as plt
#训练数据
rowdata = {
   '颜色深度':[14.23,13.2,13.16,14.37,13.24,12.07,12.43,11.79,12.37,12.04],
          '酒精浓度':[5.64,4.38,5.68,4.80,4.32,2.76,3.94,3.  ,2.12,2.6 ],
          '品种':[0,0,0,0,0,1,1,1,1,1]}

rowdata中的品种为 0 代表 “黑皮诺”，1 代表 “赤霞珠”&