首页 > > 网络编程 > 其它 >

[1] python 实现简单KNN

2018-06-18 02:19:17来源：未知阅读 ()

KNN基本步骤：计算与已知数据的距离，选择k个最近距离的数据，看这k个数据的标签最多属于什么类，预测未知数据的分类

1、新建一个KNN.py模块

需要使用numpy

from numpy import *
import operator

2. 向模块添加已知的数据和标签

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

3.对未知数据的分类

def classify0(inX, dataset,labels,k):
    # 计算输入数据和已有所有数据的距离
    dataSetSize=dataset.shape[0]
    diffMat=tile(inX,(dataSetSize,1))-dataset
    sqDiffMat=diffMat**2
    sqDistances=sqDiffMat.sum(axis=1) #没有axis参数表示全部相加，axis＝0表示按列相加，axis＝1表示按照行的方向相加
    distances=sqDistances**0.5
    
    #排序
    sortedDistIndex=distances.argsort()  #argsort将数据从小到大排列，并返回其索引值
    # 选择距离最小的k个点
    classCount={} #字典类型
    
    for i in range(k):
        votelabel=labels[sortedDistIndex[i]]
        classCount[votelabel]=classCount.get(votelabel,0)+1
    sortedClasscount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    
    return sortedClasscount[0][0]

4.测试一下这个模型

import KNN
group,labels=KNN.createDataSet()
newlabel=KNN.classify0([0,0],group,labels,3)
print(newlabel)

结果是B

也可以测试其他数据；这是最简单的KNN例子，参照机器学习实战；

主要是为了自己理解和记忆（新手入门）

其中，关于python的一些用法，记录在此，方便查阅

shape函数是numpy.core.fromnumeric中的函数，它的功能是读取矩阵的长度，比如shape[0]就是读取矩阵第一维度的长度。它的输入参数可以使一个整数表示维度，也可以是一个矩阵。

输入一个数，返回空；可以快速读取一个数组的形状；可以只读取一维的长度；

shape(3)
Out[4]: ()

e=eye(3)

e
Out[6]: 
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

e.shape
Out[7]: (3, 3)

e.shape[0]
Out[8]: 3

tile函数位于python模块 numpy.lib.shape_base中，他的功能是重复某个数组。比如tile(A,n)，功能是将数组A重复n次，构成一个新的数组

a=[0,1,2]

b=tile(a,2)

b
Out[12]: array([0, 1, 2, 0, 1, 2])

c=tile(a,(1,2))

c
Out[14]: array([[0, 1, 2, 0, 1, 2]])

d=tile(a,(3,1))

d
Out[16]: 
array([[0, 1, 2],
       [0, 1, 2],
       [0, 1, 2]])

sum
```
sum(iterable[, start])
```
- iterable -- 可迭代对象，如列表。
- start -- 指定相加的参数，如果没有设置这个值，默认为0
.sum

aa=array([[0,1,2],[3,4,5]]); aa.sum() Out[22]: 15 aa.sum(axis=0) Out[23]: array([3, 5, 7]) aa.sum(axis=1) Out[24]: array([ 3, 12])

默认所有数相加，axis=0,列相加；axis=1,行相加。

argsort

argsort(a, axis=-1, kind='quicksort', order=None)

具体实例可参见：https://blog.csdn.net/maoersong/article/details/21875705

a是需要排序的数组，返回的是索引值

distance=array([0.3,0.5,0.8,0.4])

index=distance.argsort()

index
Out[27]: array([0, 3, 1, 2], dtype=int64)

aa=array([[0,1,2],[3,4,5]]);

x=aa.argsort(axis=0)

x
Out[30]: 
array([[0, 0, 0],
       [1, 1, 1]], dtype=int64)

x=aa.argsort(axis=1)

x
Out[32]: 
array([[0, 1, 2],
       [0, 1, 2]], dtype=int64)

axis=0 按列；axis=1 按行；

字典类型

字典是另一种可变容器模型，且可存储任意类型对象。

字典的每个键值 key=>value 对用冒号 : 分割，每个键值对之间用逗号 , 分割，整个字典包括在花括号 {} 中 ,格式如下所示：

d = {key1 : value1, key2 : value2 }

dict = {'a': 1, 'b': 2, 'b': '3'}

dict['b']
Out[34]: '3'

dict
Out[35]: {'a': 1, 'b': '3'}

键一般是唯一的，如果重复会被后一个覆盖，但是值不是唯一的；

sorted

详细讲解参见：http://www.cnblogs.com/woshitianma/p/3222989.html

sorted(iterable[,cmp,[,key[,reverse=True]]])

students = [('john', 'A', 15), ('jane', 'B', 12), ('dave', 'B', 10),]

sorted(students, key=lambda student : student[2])
Out[42]: [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

from operator import itemgetter, attrgetter

sorted(students, key=itemgetter(2))
Out[44]: [('dave', 'B', 10), ('jane', 'B', 12), ('john', 'A', 15)]

sorted(students, key=itemgetter(1,2))
Out[45]: [('john', 'A', 15), ('dave', 'B', 10), ('jane', 'B', 12)]

对字典排序，返回list，不再是字典

d = {'data1':3, 'data2':1, 'data3':2, 'data4':4}

sorted(d.items(), key=itemgetter(1), reverse=True)
Out[47]: [('data4', 4), ('data1', 3), ('data3', 2), ('data2', 1)]

sorted(d.items(), key=itemgetter(1))
Out[48]: [('data2', 1), ('data3', 2), ('data1', 3), ('data4', 4)]

items

 dict = {'Google': 'www.google.com', 'Runoob': 'www.runoob.com', 'taobao': 'www.taobao.com'}

dict.items()
Out[39]: dict_items([('Google', 'www.google.com'), ('Runoob', 'www.runoob.com'), ('taobao', 'www.taobao.com')])