Machine Learning In Action：KNN(Python)

【^_^】

 入手<<机器学习实践>>已经有半年了都没看，最近再来看python及项目需要，翻看此书借此来增加实践能力。

【Tools】

 pycharm Pro Ver 4.5.4 + Python 3.4 + numpy

【KNN算法流程】

 一种实现及理解起来比较容易的分类算法

 算法流程,伪代码如下：

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k个点；

4.确定前k个点所在类别出现的频率；

5.返回前k个点出现频率最高的类别作为当前点的预测分类

【KNN优缺点】

优点：精度高，对异常值不敏感，无数据输入设定

缺点：计算复杂度高，空间复杂度高

适用数据范围：数值型、标称型

【code】

# -*-coding:utf-8-*-
'''
Created on Jun 17, 2017
kNN: k Nearest Neighbors
Input:      inX: vector to compare to existing dataset (1xN)
dataSet: size m data set of known vectors (NxM)
labels: data set labels (1xM vector)
k: number of neighbors to use for comparison (should be an odd number)
Output:     the most popular class label
@author: varuy
'''

from numpy import *
import operator

# create dataset
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

#   输入参数
#   intX:分类的输入向量，dataSet:训练样本集,labels:标签向量，k:选择最近邻居数目
def classify0(intX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(intX, (dataSetSize, 1)) - dataSet  # tile 用于复制标签向量intX与dataSet矩阵行数相同
sqDiffMat = diffMat ** 2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances ** 0.5
sortedDistIndicies = distances.argsort()

classCount = {}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
sortedClassCount = sorted(classCount.items(),  # 书中用的是python2.7版，此处为classCount.iteritems
key=operator.itemgetter(1), reverse=True)

return sortedClassCount[0][0]

if __name__ == '__main__':
group, labels = createDataSet()
xx = classify0([0, 0], group, labels, 3)
print(xx)

===============================

只是一个demo，并未太大意义，也未进行准确率分析；

在敲代码出现以下问题：见http://blog.csdn.net/xingchenbingbuyu/article/details/51030779，还是要仔细点，numpy中Array使用[ ]要多注意!!