KNN.zip_knn python_python knn_挖掘

#coding=UTF8 from numpy import * import operator def createDataSet(): """ 函数作用：构建一组训练数据（训练样本），共4个样本 同时给出了这4个样本的标签，及labels """ 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): #inx : 是输入没有标签的新数据，表示为一个向量 #dataset: 是样本集。表示为向量数组 #labels:对应样本集的标签 #k：即所选的前K dataSetSize = dataset.shape[0] #矩阵行数，即数据个数;shape返回(行，列) #tile函数将输入点拓展成与训练集相同维数的矩阵，再计算欧氏距离 #样本与训练集的差值矩阵 diffMat = tile(inX, [dataSetSize, 1]) - dataset #[a,b] 扩展成a行b列 # print(diffMat) # print(tile(inX, (dataSetSize, 1))) #差值矩阵平方,每个元素分别平方 sqDiffMat = diffMat ** 2 # print(sqDiffMat) #计算每一行上元素的和，axis=1按行求和 sqDistance = sqDiffMat.sum(axis=1) #开方得到欧拉距离矩阵 distance = sqDistance ** 0.5 #按distances中元素进行升序排序后得到的对应下标的列表 sortedDistIndicies = distance.argsort() #从小到大排序，并返回每个元素所在位置，即下标 print(distance) print(sortedDistIndicies) classCount = {} #初始化一个字典 for i in range(k): #sortedDistIndicies[i]返回的是排序之后每个元素的位置 voteIlabel = labels[sortedDistIndicies[i]] #选择距离最小的K个样本,获取k个样本的label,即分类结果 print(voteIlabel) classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 #返回上述label的值，如果不存在则返回0，票数加1 #计算每种label的个数 ''' print ('classCount %s' %classCount) print ('classCount %s' %classCount.items()) #.items()返回可遍历的(键, 值) 元组数组。 #classCount {'B': 2, 'A': 1} #classCount dict_items([('B', 2), ('A', 1)]) ''' #按classCount字典的第2个元素（即类别出现的次数）从大到小排序 #Python3.5中：iteritems变为items #operator.itemgetter(1) 根据第一个域的数据进行排序，从高到低,按照类别的数量多少进行排序 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0] #返回类别数最多的类别名称 if __name__== "__main__": # 导入数据 dataset, labels = createDataSet() inX = [0.1, 0.1] # 简单分类 className = classify0(inX, dataset, labels, 3) print ('the class of test sample is %s' %className)