python实现的 K-近邻算法代码详细解释

一、k近邻算法概述

k近邻算法采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。

二、算法一般流程

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：k近邻无此步骤。

5、测试算法：计算错误率。

6、使用算法：首先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一类分类，然后应用对计算出的分类进行处理。

三、knn伪代码

1.计算已知类别数据集中的点与需要预测点之间的距离；

2.按照距离进行递增排序；

3.选择最近的k个点；

4.统计k个点中class最多的class

5.返回预测结果

四、具体代码及解释

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]#shape函数它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。它的输入参数可以使一个整数表示维度，也可以是一个矩阵
    diffMat = tile(inX, (dataSetSize,1)) - dataSet#tile函数他的功能是重复某个数组。比如tile(A,n)，功能是将数组A重复n次，构成一个新的数组
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)#sum是求和函数axis=1是矩阵的向量相加
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()#argsort排序  
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1#get() 函数返回指定键的值，如果值不在字典中返回默认值
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)#sorted函数sorted(iterable，cmp，key，reverse）参数：iterable可以是list或者iterator；cmp是带两个参数的比较函数；key 是带一个参数的函数；reverse为False或者True
    return sortedClassCount[0][0]