【机器学习算法-python实现】KNN-k近邻算法的实现（附源代码） 1.背景 今后博主会每周定时更新机器学习算法及其python的简单实现。今天学习的算法是KNN近邻算法。KNN算法是一个监督学习分类器类别的算法。 什么是监督学习，什么又是无监督学习呢。监督学习就是我们知道目标向量的情况下所使用的算法，无监督学习就是当我们不知道详细的目标变量的情况下所使用的。而监督学习又依据目标变量的类别（离散或连续）分为分类器算法和回归算法。 k-Nearest Neighbor。k是算法中的一个约束变量，整个算法的整体思想是比較简单的，就是将数据集的特征值看作是一个个向量。我们给程序一组特征值，如果有三组特征值，就能够看做是（x1，x2，x3）。系统原有的特征值就能够看做是一组组的（y1，y2，y3）向量。通过求两向量间的距离，我们找出前k个距离最短的y的特征值对。这些y值所相应的目标变量就是这个x特征值的分类。 公式： 2.python基础之numpy
(转载请注明出处：http://blog.csdn.net/buptgshengod)
今后博主会每周定时更新机器学习算法及其python的简单实现。今天学习的算法是KNN近邻算法。KNN算法是一个监督学习分类器类别的算法。
什么是监督学习，什么又是无监督学习呢。监督学习就是我们知道目标向量的情况下所使用的算法，无监督学习就是当我们不知道详细的目标变量的情况下所使用的。而监督学习又依据目标变量的类别（离散或连续）分为分类器算法和回归算法。
k-Nearest Neighbor。k是算法中的一个约束变量，整个算法的整体思想是比較简单的，就是将数据集的特征值看作是一个个向量。我们给程序一组特征值，如果有三组特征值，就能够看做是（x1，x2，x3）。系统原有的特征值就能够看做是一组组的（y1，y2，y3）向量。通过求两向量间的距离，我们找出前k个距离最短的y的特征值对。这些y值所相应的目标变量就是这个x特征值的分类。
公式：
2.python基础之numpy
numpy是python的一个数学计算库，主要是针对一些矩阵运算，这里我们会大量用到它。 介绍一下本章代码中用到的一些功能。
arry：是numpy自带的数组表示，比方本例中的4行2列数字能够这样输入
group=array([[9,400],[200,5],[100,77],[40,300]])
shape:显示（行，列）例：shape(group)=(4,2)
zeros:列出一个同样格式的空矩阵，例：zeros（group）=（[[0,0],[0,0],[0,0],[0,0]]）
tile函数位于python模块 numpy.lib.shape_base中，他的功能是反复某个数组。比方tile(A,n)，功能是将数组A反复n次，构成一个新的数组
sum(axis=1)矩阵每一行向量相加
3.数据集
4.代码
代码分三个函数，各自是
创建数据集：
数据归一化：
分类函数:
createDataset
from __future__ import division
from numpy import *
import operator
def createDataset():
group=array([[9,400],[200,5],[100,77],[40,300]])
labels=['1','2','3','1']
return group,labels
数据归一化：
autoNorm
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet))
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals, (m,1))
#print normDataSet
normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide
# print normDataSet
return normDataSet, ranges, minVals
分类函数:
classify
def classify(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX, (dataSetSize,1)) - dataSet
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.iteritems(), key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0]