机器学习----K-近邻算法（Python代码详解）

本博文的内容主要是在自学《Machine Learning in Action》的中文版《机器学习实战》的小结，原书中对调用的一些模块的函数并没有做出过多的解释，本文进行了总结和补充。

K-近邻算法

一、算法概述

K-近邻算法就是采用测量不同特征值之间的距离进行分类。
距离采用欧式距离计算公式，计算两个向量点xA和xB之间的距离：

d=(xA0−xB0)2+(xA1−xB1)2−−−−−−−−−−−−−−−−−−−−−−−√

例如，点（0,0）与点（1,2）之间的距离计算为：

(1−0)2+(2−0)2−−−−−−−−−−−−−−−√

如果数据集存在4个特征值，则点（1,0,0,1）与（7,6,9,4）之间的距离计算为：

(7−1)2+(6−0)2+(9−0)2+(4−1)2−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−−√

• 优点：精度高，对异常值不敏感，无数据输入假定。
• 缺点 : 计算复杂度高，空间复杂度高。

Python代码实现

基本算法实现

1. 使用Python准备数据

from numpy import *import  operatordef creatDataset():    group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) #数据集    labels=['A','A','B','B'] #标签    return group,labels

1. K-近邻算法
   根据K-近邻算法的原理，其代码逻辑如下：
   
   1. 计算已知类别属性的数据集中的每个点与当前点之间的距离；
   2. 按照距离从小到大是次序进行排序；
   3. 选取与当前距离最小的K个点；
   4. 确定K个点所在类别的出现频率；
   5. 返回前K个点出现频率最高的类别作为当前点的预测类别；

def classify0(intX,dataSet,labels,k):    #1.1获得dataSet矩阵行数    dataSetSize=dataSet.shape[0]     #1.1tile函数通过给定参数构建数组    diffMat=tile(intX,(dataSetSize,1))-dataSet     #1.1数组中每个元素进行平方    sqDiffMat=diffMat ** 2     #1.1对多维数组第一轴进行相加求和    sqDistances=sqDiffMat.sum(axis=1)     distances=sqDistances ** 0.5 #1.1开平方    #2.1返回排序数组的索引    sortedDistIndicies=distances.argsort()     classCount={}    #3.1    for i in range(k):        #4.1获得从小到大排序后依次的标签        voteIlabel = labels[sortedDistIndicies[i]]        #4.2记录前K个元素中不同标签出现的次数，classCount应为       字典类型        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1     #4.3按标签出现次数从多到少进行排序    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse = True)    #5     return sortedClassCount[0][0]

如果输入参数intX=[0,0],则该程序给出的分类结果因该为B