KNN演算法Python實現

標籤：numpy   演算法   

好久沒有寫部落格了，心血來潮。寫一個剛學學習的KNN演算法，其實就是比相似度，靠的進的相似度高

廢話不說上代碼

 

from numpy import  *import operator #建立初始矩陣group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])label = ['A','A','B','B']def classfy(inX,dataSet,labes,k):    dataSetSize = dataSet.shape[0]#擷取矩陣的維度，就是矩陣的行數    diffMat = tile(inX,(dataSetSize,1))-dataSet#求相對距離    sqDiffMat = diffMat**2    sqDistance = sqDiffMat.sum(axis=1)    distance = sqDistance**0.5#兩點之間距離公式不解釋    sortedDistInicies = distance.argsort()#得到排序後的下標【2,3,1,0】    classCount = {}    for i in range(k):        voteIlabel = labes[sortedDistInicies[i]]#此處就和K相關了        classCount[voteIlabel] = classCount.get(voteIlabel,0)+1#記錄出現的次數    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)    return sortedClassCount[0][0]#返回最終的結果classfy([0,0],group,label,3)

 

都在代碼註解裡面，ok完成

KNN演算法Python實現