标签：ssi nump created 分析 比较 operator 个数 一个 结果
采用测量不同特征值之间的距离方法进行分类。
KNN 工作原理
1.假设有一个带有标签的样本数据集（训练样本集），其中包含每条数据与所属分类的对应关系。
2.输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较。
3.求 k 个数据中出现次数最多的分类标签作为新数据的分类。
KNN 开发流程
1 from numpy import * 2 import operator 3 4 5 def createDataSet(): 6 group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) 7 labels = [‘A‘,‘A‘,‘B‘,‘B‘] 8 return group,labels 9 10 def classify0(inX, dataSet, labels, k): 11 dataSetSize = dataSet.shape[0] 12 diffMat = tile(inX, (dataSetSize,1)) - dataSet 13 sqDiffMat = diffMat**2 14 sqDistances = sqDiffMat.sum(axis=1) 15 distances = sqDistances**0.5 16 sortedDistIndicies = distances.argsort() 17 classCount={} 18 for i in range(k): 19 voteIlabel = labels[sortedDistIndicies[i]] 20 classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 21 sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True) 22 #python2中为classCount.iteritems(); 23 return sortedClassCount[0][0]
>>> import kNN >>> group,labels = kNN.createDataSet() >>> kNN.classify0([0,0], group, labels, 3) ‘B‘ >>>
标签：ssi nump created 分析 比较 operator 个数 一个 结果
原文地址：https://www.cnblogs.com/wanglinjie/p/11729136.html
