【小白自学笔记】【机器学习实战】【Python代码逐行理解】CH02

第一个给出的是一个非常简单的例子：给出四个训练集数据（0,0）（0,0.1）【A类】（1,1）（1,1.1）【B类】   

然后让你输入一个数字判断从属于A类还是B类

方法也很简单粗暴，离这个点的距离近的3个【k个】点，属于标签A的多，就判给A，B的多就判给B

问题：距离怎么算？

方法很简单：欧氏距离。

好了。所以我们代码的核心就是写出这个欧氏距离，

涉及到几点注意点：1.要根据训练集有多少个数据（比如4个）然后把待判数据也复制成这么多行的矩阵【目的：方便一会儿整个矩阵相减，不用循环了】

2.相减平方直接把矩阵平方即可

3.求和的时候，要按照行求和，毕竟要求每个【分量】或者说特征，的差异，加在一块儿求和是总差异

4.最后，把所有差异的数值从小到大排个序。得到【索引】

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0] #确定有几行
    diffMat = tile(inX, (dataSetSize,1)) - dataSet#把输入复制n条
    sqDiffMat = diffMat**2   #平方
    sqDistances = sqDiffMat.sum(axis=1)  #平方后矩阵按行相加求和
    distances = sqDistances**0.5  #总距离=距离和开方
    sortedDistIndicies = distances.argsort()#把总距离索引从小到大排序

    classCount={}          

    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]#距离从小到大的标签 比如录入第一个，这里是A
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1#应该是统计A和B和各种的数量
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #AK:按字典的键值排序？
    return sortedClassCount[0][0]#然后返回的是最大的那个数量的值？

附：各个代码中的函数的注解：

axis=0意味着从列开始往下走，axis=1意味着从行开始【叠加或计数或what】

operator.itemgetter函数
operator模块提供的itemgetter函数用于获取对象的哪些维的数据，参数为一些序号（即需要获取的数据在对象中的序号），下面看例子。

a = [1,2,3] 
>>> b=operator.itemgetter(1)      //定义函数b，获取对象的第1个域的值
>>> b(a) 
2 
>>> b=operator.itemgetter(1,0)  //定义函数b，获取对象的第1个域和第0个的值

>>> b(a) 
(2, 1)

要注意，operator.itemgetter函数获取的不是值，而是定义了一个函数，通过该函数作用到对象上才能获取值

argsort函数

返回的是数组值从小到大的索引值
Examples
--------

>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
array([1, 2, 0])

tile的用法

首先要记住Python里面是0列1行 也就是0代表按列来↓↓↓  1代表按行来→→→→

所以说dataset.min(0)代表的是每列的最小值，那么这个应该是一个行向量【1,2,3】

dataset.min(1)代表的是每行的最小值，那么这个应该是一个一维列向量【1】

                 【2】

【1】这种

tile的用法是比如b = [1,2] 那么tile(b,(3,1))代表复制三行，一列b的值          【1,2】

【1,2】

【1,2】这种