K近邻算法核心函数详解
2020-12-13 05:56
标签：输入 data turn 选择 形状 获取 mat 标签 sorted K近邻算法核心函数详解 标签：输入 data turn 选择 形状 获取 mat 标签 sorted 原文地址：https://www.cnblogs.com/roscangjie/p/11157373.html#用于分类的输入向量是inX，输入的训练样本集为dataSet，
#标签向量为 labels ，最后的参数 k 表示用于选择最近邻居的数目，其中标签向量的元素数目和矩阵 dataSet 的行数相同。
def classify0(inX,dataSet,labels,k):
dataSetSize = dataSet.shape[0] # 获取 数组 形状的 第一个 参数 a=[[1,2],[1,2],[1,2]] a.shape = [3,2] a.shape[0] = 3
diffMat = tile(inX,(dataSetSize,1)) - dataSet # tile 代表了inX，复制为dataSetSize行，1列的数组
sqDiffMat = diffMat**2 # 平方
sqDistances = sqDiffMat.sum(axis = 1) # axis 等于 1 是将 矩阵的每一行 相加
distances = sqDistance**0.5 # 开方
sortedDistIndicies = distances.argsort() # 从小到大 排列
classCount = {}
for i in range(k): # 求出来 最低距离 的 labels结果，存放在classCount 中
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]