[机器学习实战] KNN

首先按照教材输入下列代码：

from numpy import *  #导入科学计算包numpy
import operator  #导入运算符模块

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

然后要更改路径，把KNN.py文件放进去。在终端中输入下列代码：（我用的vscode）

no module name KNN ，就改文件路径，再重启

#要先进入python环境
>>>python

#然后改文件路径
>>>import os
>>>os.getcwd()  #查看当前路径 
>>>os.chdir(r'D:NLPKNN')   #更改当前路径

就可以导入上面编辑的程序模块

#导入KNN模块
>>>import KNN  

#为了确保输入相同的数据集，KNN模块中定义了函数createDataSet
#所以要创建变量group,labels
>>>group,labels = KNN.createDataSet

#输入变量名字，检验是否正确定义变量
>>>group

>>>labels

在KNN文件中加入classify0()函数

def classify0(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
    sortedDistIndicies = distances.argsort()
    classCount={}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(),   #python版本问题 改成item了
                              key = operator.itemgetter(1), reverse= True)
    return sortedClassCount[0][0]

这里有个问题：iteritems会报错，所以要改成items(python版本原因）

然后就可以预测啦

#基本上输入的就是下面的：
>>>import KNN
>>>group,labels = KNN.createDataSet()
>>>KN.classify0([0,0], group, labels, 3)

[0,0]可以改动，来测试运行结果