k-近邻算法基础
k-近邻算法的工作原理：
存在一个样本数据集合，也称作训练样本集，并且样本集中每一个数据都存在标签，即我们知道样本集中每一个数据集所属分类的对应关系。输入没有标签的新数据后，将先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最相似的数据（向近邻）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（通常k是不大于20的整数）。最后，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。
k-近邻算法的一般流程：
1.搜集数据：可使用任何算法。
2.准备数据：距离计算所需要的数值，最好是结构化的数据格式。
3.分析数据：可以使用任何方式。
4.测试算法：计算错误率。
5.使用算法：首先分析输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输入数据分别属于哪个分类，最后应用对计算出的分类执行的后续的处理。
k-近邻算法的导入与实现如下：
要先将kNN.py导入python
``
1
2
3
4
5
6
7
8
| from numpy import *
import operator
def creatDataSet():
group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])
labels = ['A', 'A', 'B', 'B']
return group,labels
|
在导入的过程中：
k-近邻算法的实现：
``
1
2
3
4
5
6
7
8
9
10
11
12
13
| def classify(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize, 1)) - dataSet
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distance = sqDistances ** 0.5
sortedDistIndices = distance.argsotr()
classCount = {}
for i in range(k):
voteIlable = labels[sortedDistIndices[i]]
classCount[voteIlable] = classCount.get(voteIlable, 0) + 1
sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
|
