机器学习实战

k_近邻算法是采用测量不同特征值之间的距离方法进行分类的一种算法.

• 优点:精度高,对异常值不明感,无数据输入假定
• 缺点:计算复杂度高,空间复杂度高
• 适用数据范围:数值型和标称型

首先创建名为kNN.py的Python模块，在该文件下增加如下代码：

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

然后在python开发环境下编辑下面的程序模块：

>>>import kNN
>>>group,lablels = kNN.creatDataSet()

上述命令输入后创建了变量group和labels，之后在写入：

>>>group
array
([[1.,1.1],[1.,1.],[0.,0.],[0.,0.1]])
>>>lablels
['A','A','B','B']

代码如下：

def classifyO(inX,dataSet,labels,k):*用于分类的输入变量inX，输入的训练样本集dataSet。
                                     labels为标签向量，k表示用于选择最近邻居的数目*
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX,(dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(),
                              key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]

在python提示符中输入下列命令：

>>>kNN.classifyO([0,0],labels,3)

输出结果应为“B”，如图所示

也可以尝试改变[0.0]的输入，测试程序的运行结果。