# -*- coding:utf-8 -*-
__author__ = 'Ghostviper'
"""
K近邻归类算法
"""
from numpy import *
import operator
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
def classify0(inX, dataSet, labels, k):
    # shape获得数据集中数组的大小
    dataSetSize = dataSet.shape[0]
    # 根据输入的元素复制矩阵并与已知数据集矩阵做差
    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]
if __name__ == "__main__":
    group, labels = createDataset()
    print classify0([1, 1], group, labels, 3)

注:计算两个向量点xA和xB之间的距离利用欧式距离公式:

算法步骤:

1. 计算已知类别数据集中点与当前点之间的距离

2. 按照距离递增排序

3. 选取与当前点距离最小的k个点

4. 确定前k个点所在类别的出现频率

5. 返回前k个点出现的频率最高的类别作为当前点的预测分类

算法适用范围:数值型和标称型

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