最新分类KNN近邻法Word下载.docx
《最新分类KNN近邻法Word下载.docx》由会员分享，可在线阅读，更多相关《最新分类KNN近邻法Word下载.docx（10页珍藏版）》请在冰豆网上搜索。
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。
二、Python实现
对于机器学习而已，Python需要额外安装三件宝，分别是Numpy，scipy和Matplotlib。
前两者用于数值计算，后者用于画图。
安装很简单，直接到各自的官网下载回来安装即可。
安装程序会自动搜索我们的python版本和目录，然后安装到python支持的搜索路径下。
反正就python和这三个插件都默认安装就没问题了。
另外，如果我们需要添加我们的脚本目录进Python的目录（这样Python的命令行就可以直接import），可以在系统环境变量中添加：
PYTHONPATH环境变量，值为我们的路径，例如：
E:
\Python\MachineLearninginAction
2.1、kNN基础实践
一般实现一个算法后，我们需要先用一个很小的数据库来测试它的正确性，否则一下子给个大数据给它，它也很难消化，而且还不利于我们分析代码的有效性。
首先，我们新建一个kNN.py脚本文件，文件里面包含两个函数，一个用来生成小数据库，一个实现kNN分类算法。
代码如下：
[python]
1.#########################################
2.#
kNN:
k
Nearest
Neighbors
3.
4.#
Input:
newInput:
vector
to
compare
existing
dataset
（1xN）
5.#
dataSet:
size
m
data
set
of
known
vectors
（NxM）
6.#
labels:
labels
（1xM
vector）
7.#
k:
number
neighbors
use
for
comparison
8.
9.#
Output:
the
most
popular
class
label
10.#########################################
11.
12.from
numpy
import
*
13.import
operator
14.
15.#
create
a
which
contains
4
samples
with
2
classes
16.def
createDataSet（）:
17.
#
matrix:
each
row
as
sample
18.
group
=
array（[[1.0,
0.9],
[1.0,
1.0],
[0.1,
0.2],
[0.0,
0.1]]）
19.
['
A'
'
B'
]
four
and
two
20.
return
group,
21.
22.#
classify
using
kNN
23.def
kNNClassify（newInput,
dataSet,
labels,
k）:
24.
numSamples
dataSet.shape[0]
shape[0]
stands
num
25.
26.
##
step
1:
calculate
Euclidean
distance
27.
tile（A,
reps）:
Construct
an
array
by
repeating
A
reps
times
28.
following
copy
rows
dataSet
29.
diff
tile（newInput,
（numSamples,
1））
-
Subtract
element-wise
30.
squaredDiff
**
squared
subtract
31.
squaredDist
sum（squaredDiff,
axis
1）
sum
is
performed
32.
0.5
33.
34.
2:
sort
35.
argsort（）
returns
indices
that
would
in
ascending
order
36.
sortedDistIndices
argsort（distance）
37.
38.
classCount
{}
define
dictionary
（can
be
append
element）
39.
i
xrange（k）:
40.
3:
choose
min
41.
voteLabel
labels[sortedDistIndices[i]]
42.
43.
4:
count
occur
44.
when
key
not
classCount,
get（）
45.
will
0
46.
classCount[voteLabel]
classCount.get（voteLabel,
0）
+
1
47.
48.
5:
max
voted
49.
maxCount
50.
key,
value
classCount.items（）:
51.
if
>
maxCount:
52.
53.
maxIndex
54.
55.
然后我们在命令行中这样测试即可：
1.import
2.from
4.dataSet,
kNN.createDataSet（）
5.
6.testX
array（[1.2,
1.0]）
7.k
3
8.outputLabel
kNN.kNNClassify（testX,
3）
9.print
"
Your
input
is:
testX,
classified
class:
outputLabel
10.
11.testX
array（[0.1,
0.3]）
12.outputLabel
13.print
这时候会输出：
1.Your
[
1.2
1.0]
2.Your
0.1
0.3]
B
2.2、kNN进阶
这里我们用kNN来分类一个大点的数据库，包括数据维度比较大和样本数比较多的数据库。
这里我们用到一个手写数字的数据库，可以到下载。
这个数据库包括数字0-9的手写体。
每个数字大约有200个样本。
每个样本保持在一个txt文件中。
手写体图像本身的大小是32x32的二值图，转换到txt文件保存后，内容也是32x32个数字，0或者1，如下：
数据库解压后有两个目录：
目录trainingDigits存放的是大约2000个训练数据，testDigits存放大约900个测试数据。
这里我们还是新建一个kNN.py脚本文件，文件里面包含四个
升级会员 