Python学习之k-近邻算法

1. K-近邻算法

 

# coding=utf-8
from numpy import * 
import operator

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

def classify(inX,dataSet,labels,k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX,(dataSetSize,1))-dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    # 返回值所在的索引
    sortedDistIndices = distances.argsort()
    classCount={}
    for i in range(k):
        # 根据索引获取其对应的类别标签
        voteIlabel = labels[sortedDistIndices[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
    print classCount
    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

def main():
    (group,labels)=createDataSet()
    print classify([0.8,1.5],group,labels,3)

if __name__=="__main__":
    main()

 k-近邻算法的整体流程为：

　　(1) 计算已知类别数据集中的点与当前点之间的距离；
　　(2) 按照距离递增次序排序；
　　(3) 选取与当前点距离最小的k个点；
　　(4) 确定前k个点所在类别的出现频率；
　　(5) 返回前k个点出现频率最高的类别作为当前点的预测分类

　　classify() 函数有 4 个输人参数 : 用于分类的输入向量inX，输入的训练样本集dataSet,标签向量labels,最后的参数k表示用于选择最近邻近的数目,其中输入向量的元素数目和矩阵dataSet的行数相同,首先计算向量和矩阵向量元素之间的距离，然后按照从小到大的顺序对结果进行排序，确定前 k 个距离最小元素所在的主要分类（输入参数k总正整数）；最后，将classCount字典分解为元组列表，然后使用程序第二行导入运算符模块的itemgetter方法 ,按照classCount字典的第二个元素的次序对元组进行排序。此处的排序为逆序，即按照从最大到最小次序排序，最后返回发生频率最高的元素标签，即就是输入向量所属分类。

　　最近正在看《机器学习实战》,顺便汇总一下其中的小例子，书籍很好，推荐大家阅读！