knn算法

　　这算是我接触的第一个算法的东西吧-----knn（邻近算法）

　　自我理解也就是，用勾股定理算出C点离A、B的距离，那个距离更小，就认为C就趋向那个值。

python实现knn过程

　　

from numpy import *

#模拟训练数据---4行6列的数组
train_data = array([
    [1, 2, 3, 4, 5, 6],     #A类型
    [7, 5, 4, 1, 7, 5],     #B类型
    [4, 7, 6, 5, 3, 8],     #C类型
    [5, 2, 3, 4, 9, 4],     #D类型
])
#每一行就是一个类型，也就是4行分别对应下面的4个类型
labels = ["A", "B", "C", "D"]

#模拟测试数据
test_data = array([1, 5, 8, 6, 4, 7])


#目的：通过knn算法计算出测试数据是属于哪一类
def knn(test_data, train_data, labels):
    train_data_lines = train_data.shape[0]   #获取训练数据的行数
    test_data = tile(test_data, (train_data_lines, 1)) #将测试数据整理跟训练数据一样多的行数，计算“距离”
    dif_value = test_data - train_data #差值
    square_value_1 = dif_value**2        #平方
    line_num = square_value_1.sum(axis=1)           #每行求和
    square_value_2 = line_num**0.5                       #开方
    sortdistance = square_value_2.argsort()         #降序排列
    return labels[sortdistance[0]]

res = knn(test_data,train_data,labels)
print(res)

就这么简单......哈哈，希望对你有帮助。