numpy KNN简单实现 分类：机器学习

numpy支持矩阵减向量（每行减去某个向量） 列的情况可以考虑转置。

R实现：
library(class)
attach(iris)
train <- iris[,1:2]
y <- as.numeric(Species)
x <- train
fit <- knn(x, x, y)
print(1 - sum(fit==y)/length(y))

利用ndarray的诸多特性，可以实现非常简短的（DIY）KNN：

[python] view plain copy

print?

1. import numpy as np   
2. from sklearn.datasets import load_iris  
3. iris = load_iris()  
4. #print iris.DESCR  
5. X = iris.data[:,1:3]  
6. y = iris.target   
7.   
8. def predict_y(x, k = 1):  
9.  distance_array = np.linalg.norm(X - x, axis = 1)  
10.  # the increase distance indexs  
11.  distance_indexs = np.argsort(distance_array)[1:k + 1]  
12.  y_unique_counts = np.unique(y[distance_indexs], return_counts = True)  
13.   
14.  return y_unique_counts[0][np.argmax(y_unique_counts[1])]  
15.   
16. predict = map(predict_y, X)  
17. error_num = 0  
18. for i in range(len(predict)):  
19.  if predict[i] != y[i]:  
20.   error_num += 1  
21.   
22. print “error_error :”  
23. print float(error_num) / len(predict)  

import numpy as np from sklearn.datasets import load_irisiris = load_iris()

#print iris.DESCRX = iris.data[:,1:3]y = iris.target def predict_y(x, k = 1): distance_array = np.linalg.norm(X - x, axis = 1) # the increase distance indexs distance_indexs = np.argsort(distance_array)[1:k + 1] y_unique_counts = np.unique(y[distance_indexs], return_counts = True) return y_unique_counts[0][np.argmax(y_unique_counts[1])]predict = map(predict_y, X)error_num = 0for i in range(len(predict)): if predict[i] != y[i]:  error_num += 1print “error_error :”print float(error_num) / len(predict)

更多了解请浏览：http://blog.csdn.net/sinat_30665603