机器学习之k-近邻算法

1.工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中的每个数据都存在标签，即我们知道样本集中的每一个数据与所属分类的对应关系。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的数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，只选择样本数据集前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

2.一般流程：收集数据→准备数据→分析数据→测试算法→使用算法

3.使用python导入数据

python输出矩阵

from numpy import *

group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])

group输出为：

[[1.  1.1]
 [1.  1. ]
 [0.  0. ]
 [0.  0.1]]

创建函数createDataSet()

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

4.k-近邻算法的伪代码：

对未知类别数学的数据集中的每个点依次执行以下操作

（1）计算已知类别数据集中的点与当前点之间的距离

（2）按照距离递增次序排序

（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个点出现频率最高的类别作为当前点的预测分类

5.k-近邻算法的python实现

机器学习之k-近邻算法

原文：https://www.cnblogs.com/ZhangWj-/p/12390539.html