KNN算法Python实现

好久没有写博客了，心血来潮。写一个刚学学习的KNN算法，其实就是比相似度，靠的进的相似度高

废话不说上代码

from numpy import  *
import operator 

#创建初始矩阵
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]#获取矩阵的维度，就是矩阵的行数
    diffMat = tile(inX,(dataSetSize,1))-dataSet#求相对距离
    sqDiffMat = diffMat**2
    sqDistance = sqDiffMat.sum(axis=1)
    distance = sqDistance**0.5#两点之间距离公式不解释
    sortedDistInicies = distance.argsort()#得到排序后的下标【2,3,1,0】
    classCount = {}
    for i in range(k):
        voteIlabel = labes[sortedDistInicies[i]]#此处就和K相关了
        classCount[voteIlabel] = classCount.get(voteIlabel,0)+1#记录出现的次数
    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]#返回最终的结果

classfy([0,0],group,label,3)

都在代码注解里面，ok完成