K-近邻算法概述
- 描述： 用测量不同特征值之间的距离方法进行分类。
- 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。
- 适用数据范围： 数值型和标称型。
- 工作原理： 已知样本集中每一数据与所属分类的对应关系，将新数据与样本集中数据对应的特征进行比较，将前k个与最相似的样本集中数据的标签提取，选择其中出现次数最多的分类，作为新数据的分类。
- 注： 一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中&的出处,通常是不大于20的整数。
k-近邻算法的一般流程：
(1)收集数据：可以使用任何方法。
(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：可以使用任何方法。
(4)训练算法：此步驟不适用于1 近邻算法。
(5)测试算法：计算错误率。
(6)使用算法：首先需要输入样本数据和结构化的输出结果，然后运行女-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后续的处理。
小例子
kNN.py
from numpy import *
import operator
from os import listdir
#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
#从文本文件中解析数据
'''
对未知类别属性的数据集中的每个点依次执行以下操作：
(1)计算已知类别数据集中的点与当前点之间的距离；
(2)按照距离递增次序排序；
(3)选取与当前点距离最小的走个点；
(4)确定前灸个点所在类别的出现频率；
(5)返回前女个点出现频率最高的类别作为当前点的预测分类。
'''
#使用k-近邻算法将每组数据划分到某个类中
def classify0(inX, dataSet, labels,k): #参数分别为：输入向量，输入训练样本集，标签向量， 最临近邻居的数目
dataSetSize = dataSet.shape[0]
#欧式距离计算
diffMat = tile(inX, (dataSetSize,1)) - dataSetSize # tile(A，rep) 重复A的各个维度
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
#根据距离排序
sortedDistIndicies = distances.argsort()
#选择距离最小的k个点
classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
#排序（sorted函数第一个参数书上是itemitems(),python3.5后是items()）
sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]
main.py
import kNN
group, labels = kNN.createDataSet()
print(group)
print(labels)
print(kNN.classify0([0,0],group,labels,3))
输出：
[[1. 1.1]
[1. 1. ]
[0. 0. ]
[0. 0.1]]
['A', 'A', 'B', 'B']
A
