Wineprice()一瓶酒的价格
Winset1（）构建一批酒的价格
Euclidean（v1,v2）v1，v2的欧几里得距离
Data=numpredict。Winset1（）
Getdistance（data，v1）与v1的距离,按序排列了
Knnestimate（data，vec1，k=5），返回与v1距离最近的data中k个点的平均距离
Gaussian（dist，sigma=10）高斯权重函数
Weightknn（data，vec1，k=5，weightf=gaussian）返回与vec1距离最近k个点的加权距离，距离越近，影响越大
Dividedata（data，test=0.05），将data分为训练集和测试集并返回，测试集占0.05
Testalgorithm（algf，trainset，testset）//algf接受是哪个算法，knnestimate？weightknn？返回测试的误差率
Crossvalidate（algf，data，trials=100，test=0.05）//有trials组划分，对每一组划分求误差率，最后对trials划分误差求平均值
Def knn3（d，v）：return knnestimate（d，v,k=3）、、不同的k调整knnestimate。
Wineset2（）加上一些其他的变量影响酒的价格，rating，age，aisle，bottlesize
Rescale（data，scale）将各个参数归一化，将data中的数据乘以各个scale【i】
Wineset3（）//构建一个有的具有打折的酒的价格的数据集//导致不对称分布
Probguess（data,vec1,low,high,k=5,weightf=guassian），近邻点的价格是否落在low与high之间，是的话加入权重得n’weight，所有权重之和为tweight，返回nweight/tweight相除的结果
绘制概率分布需要下载matplotlib，在http://matplotlib.sourceforge.net处下载
Cumulativegraph（data，vect1，high，k=5,weightf=gaussian）//这种绘制的是累积概率
概率分布：每个价位点的概率等于其周边概率的一个加权平均
Probalilitygraph（data，vect1，high，靠，weightf=gaussian，ss=5.0）
原文：http://www.cnblogs.com/huicpc0212/p/4139757.html