第二章--k-近邻算法（kNN）

一、k-近邻算法(kNN)

　　采用测量不同特征值之间的距离方法进行分类

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，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征醉相思数据(最近邻)的分类标签。
　　一般来说，我们只选择样本数据集中前k个最相似的数据，（k的来源），通常k<=20的整数，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。
　　一般流程：收集-准备-分析数据-训练-测试-使用算法。

1.使用Python导入数据

 from numpy import *#科学计算包

 import operator     #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

 def classify0(inX, dataSet, labels, k):

     dataSetSize = dataSet.shape[0]

     #距离计算

     diffMat = tile(inX, (dataSetSize,1)) - dataSet

     sqDiffMat = diffMat**2      #平方

     sqDistances = sqDiffMat.sum(axis=1)     #根号下平方相加

     distances = sqDistances**0.5    #根号

     sortedDistIndicies = distances.argsort()    #排序

     classCount={}

     #选择距离最小的k个点

     for i in range(k):

         voteIlabel = labels[sortedDistIndicies[i]]

         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1

         #排序，将classCount字典分解为元祖列表，导入itemgeeter方法，按照第二个元素的次序对元祖进行排序

         #此处排序为逆序，即从大到小排序，最后返回发生频率最高的元素标签。

         sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)

         return sortedClassCount[0][0]

     # 为预测数据所在分类：kNN.classify0([0,0], group, labels, 3)

执行命令：

>>>import kNN

>>>group,labels = kNN.createDataSet()

>>>group

array([[1. , 1.1],

       [1. , 1. ],

       [0. , 0. ],

       [0. , 0.1]])

>>>labels

['A', 'A', 'B', 'B']

>>>kNN.classify0([0,0], group, labels, 3)

'B'

出现的错误：

AttributeError: module 'KNN' has no attribute 'classify0'

原因：python2和python3不兼容

解决方法：将iteritems()改为items()，然后重启PyCharm

巴特西

第二章--k-近邻算法（kNN）

最新文章

热门文章