机器学习实战-4-KNN算法总结

import numpy as np

"""
函数说明：KNN算法分类
函数参数：
	inX 用于分类的数据集（测试集）
	dataSet 用于训练的数据（训练集）
	labels 分类标签
	k 算法参数，选择距离最近的k个点
修改时间：
	2021-02-28
"""
def classify0(inX, dataSet, labels, k):
  dataSetSize = dataSet.shape[0]  # 文件行数，即大小
  diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet  # np.tile表示在两个方向上的重复次数，达到和原始数据相同的shape，以便能够相减
  sqDiffMat = diffMat ** 2
  sqDistances = sqDiffMat.sum(axis=1)
  distances = sqDistances ** 0.5  # 以上3步：距离相减再平方，再求和，再开根号
  # 获取到的是索引值！！！
  sortedDistIndices = distances.argsort()  # 全部距离从小到大排序后的索引值
  classCount = {}  # 存储类别次数的字典
  for i in range(k):
    voteIlabel = labels[sortedDistIndices[i]]  # 根绝每个索引，取出对应的前k个元素的类别
    classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1  # 计算类别次数；get方法返回指定键的值，否则返回默认值


    # python3中使用item()
    # reverse表示降序排序字典
    # key=operator.itemgetter(0)表示根据字典的键进行排序
    # key=operator.itemgetter(1)表示根据字典的值进行排序
  sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1),reverse=True)
  return sortedClassCount[0][0] # 返回次数最多的类别，即所要分类的类别

import pandas as pd

"""
函数功能：KNN分类器

参数说明：
    inX：待预测分类的数据
    dataSet：原数据集，训练集
    k：k-近邻算法中的超参数k

返回值：
	分类结果
修改时间：
	2021-02-28
"""

def classify0(inX, dataSet,k):
    result = []

    # 1、求新数据和每个原数据的距离
    dist = list(((data.iloc[:6,1:3] - new_data) ** 2).sum(1) ** 0.5)
    # 2、将求出的距离和电影标签放在一起
    dist_labels = pd.DataFrame({"dist":dist,"labels":data["电影类型"].tolist()})
    # 3、根据距离升序排列，取出前k个
    dist_sorted = dist_labels.sort_values(by="dist")[:k]
    # 4、排序之后取出标签，并统计频数
    res = dist_sorted.loc[:,"labels"].value_counts()
    result.append(res.index[0])

    return result