机器学习实战——第二章
k-近邻算法(kNN)：测量不同特征值之间的距离方法进行分类。
kNN的工作原理：存在一个样本数据集合(训练样本集)，并且样本集中每个数据都存在标签，输入没有标签的新数据后，将新数据的每个特征与样本集数据对应的特征进行比较，然后算法提取样本集中特征最相似数据的分类标签。一般来说，只选择样本数据集中前k个最相似的数据。
伪代码：
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。
1 #-*- coding: UTF-8 -*- 2 from numpy import * 3 import operator 4 5 def createDataSet(): 6 group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]]) 7 labels = ['A', 'A', 'B', 'B'] 8 return group, labels 9 10 ''' 11 inX: 用于分类的输入向量 12 dataset: 输入的训练样本集 13 labels: 标签向量 14 k: 选择最近邻的数目 15 其中，标签向量的元素数目和矩阵dataSet的行数相同 16 ''' 17 def classify0(inX, dataSet, labels, k): 18 dataSetSize = dataSet.shape[0] #返回dataSet的行数 19 diffMat = tile(inX, (dataSetSize, 1)) - dataSet 20 sqDiffMat = diffMat ** 2 21 sqDistances = sqDiffMat.sum(axis=1) #按行求和 22 distances = sqDistances ** 0.5 #计算欧式距离 23 sortedDistIndicies = distances.argsort() #返回的数组为distances的值从小到大的索引值 24 25 classCount = {} 26 for i in range(k): 27 voteIlabel = labels[sortedDistIndicies[i]] 28 classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 #统计各类别的次数 29 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) 30 return sortedClassCount[0][0] #返回第一个元素，即前3个中最多的类别 31 32 if __name__ == '__main__': 33 group, labels = createDataSet() 34 print classify0([0, 0], group, labels, 3) #输出B
dict.get('key')类似于dict['key'].
dict.get('key', sthelse) #若key不是dict的键值，将得到sthelse的值
>>> info = {'1':'first', '2':'second', '3':'third'}
>>> info.get('1')
'first'
>>> info.get('4','error')
'error'
>>> info['1']
'first'
classCount.iteritems() #返回键值-值对的一个迭代器
#operator.itemgetter函数获取的不是一个值，而是定义了一个函数
>>> import operator >>> a = [1,2,3] >>> b = operator.itemgetter(1) #定义函数b，获取对象index==1的值 >>> b(a) 2
sorted(iterable[, cmp[, key[, reverse]]]) #返回list。key为函数，指定取待排序元素的哪一项进行排序
>>> import operator >>> dict = {'a':'3', 'b':'2', 'c':'1'} >>> sorted(dict.iteritems(), key=lambda asd:asd[0], reverse=True) [('c', '1'), ('b', '2'), ('a', '3')] >>> sorted(dict.iteritems(), key=operator.itemgetter(0), reverse=True) #按dict.iteritems()的第一个元素倒序排序 [('c', '1'), ('b', '2'), ('a', '3')] >>> sorted(dict.iteritems(), key=operator.itemgetter(1), reverse=True) [('a', '3'), ('b', '2'), ('c', '1')]
