机器学习实战第二章
K-近邻算法采用测量不同特征之间的距离方法进行分类。
kNN.py
from numpy import *
import operator
"""
inX:用于分类的输入向量
dataSet:输入的训练样本集
labels:标签向量
k:选择最近邻居的数目
"""
def classify0(inX,dataSet,labels,k):
dataSetSize=dataSet.shape[0]
"""
①计算已知类别数据集中的点与当前点之间的距离
"""
diffMat=tile(inX,(dataSetSize,1))-dataSet
sqDiffMat=diffMat**2
sqDistances=sqDiffMat.sum(axis=1)
distance=sqDistances**0.5
"""
②按照距离递增次序排序
"""
sortedDistIndicies=distance.argsort()
"""
③选取与当前点距离最小的k个点
"""
classCount={}
for i in range(k):
voteIlabel=labels[sortedDistIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
"""
④排序,确定前k个点所在类别的出现频率
"""
sortedClassCount=sorted(classCount.items(),
key=operator.itemgetter(1),reverse=True)
"""
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
"""
return sortedClassCount[0][0]
kNNTest.py
import kNN
from numpy import *
"""
创建数据集和标签
"""
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
dataSet,labels=createDataSet()
inX=([1.0,1.2])
kNN.classify0(inX,dataSet,labels,3)