K近邻法是有监督学习方法，原理很简单，假设我们有一堆分好类的样本数据，分好类表示每个样本都一个对应的已知类标签，当来一个测试样本要我们判断它的类别是，就分别计算到每个样本的距离，然后选取离测试样本最近的前K个样本的标签累计投票，得票数最多的那个标签就为测试样本的标签。

源代码详解：

#-*- coding:utf-8 -*- #!/usr/bin/python # 测试代码 约会数据分类 import KNN KNN.datingClassTest1() 标签为字符串 KNN.datingClassTest2() 标签为整形 # 测试代码 手写字体分类 import KNN KNN.handwritingClassTest() from numpy import * # 科学计算包 import operator # 运算符模块 from os import listdir # 获得指定目录中的内容（手写字体文件夹下样本txt） 类型命令行 ls import matplotlib # 画图可视化操作 import matplotlib.pyplot as plot # 显示一个 二维图 def myPlot(x, y, labels): fig = plot.figure()#创建一个窗口 ax = fig.add_subplot(111)# 画一个图 #ax.scatter(x,y) ax.scatter(x,y,15.0*array(labels),15.0*array(labels)) # 支持 分类颜色显示 ax.axis([-2,25,-0.2,2.0]) plot.xlabel('Percentage of Time Spent Playing Video Games')# 坐标轴名称 plot.ylabel('Liters of Ice Cream Consumed Per Week') plot.show() # 创建假 的数据测试 def createDataSet(): groop = array([[1.0, 1.1],[1.0, 1.0],[0, 0],[0, 0.1]]) # numpy的array 数组格式 labels = ['A','A','B','B']# 标签 list return groop, labels # 定义 KNN 分类函数 def knnClassify0(inX, dataSet, labels, k): # inX 待分类的点 数据集和标签 DataSet, label 最近领域个数 k dataSetSize = dataSet.shape[0] # 数据集大小（行数） # tile（A,（行维度，列维度）） A沿各个维度重复的次数 # 点A 重复每一行 到 数据集大小行 differeMat = tile(inX, (dataSetSize,1)) - dataSet # 求 待分类点 与个个数据集点的 差值 sqDiffMat = differeMat**2 # 求 平方 sqDistances = sqDiffMat.sum(axis=1) # 求 和（各行求和） distances = sqDistances**0.5 # 开方 得到 点A 与 数据集个点 的欧式距离 sortedDistIndicies = distances.argsort() # 返回 递增排序后 的 原位置序列（不是值） # 取得最近的 k个点 统计 标签类出现的频率 classCount={} # 字典 for i in range(k): voteIlabel = labels[sortedDistIndicies[i]]#从小到大 对应距离 数据点 的标签 classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 # 对于类标签 字典单词 的 值 + 1 # 对 类标签 频率（字典的 第二列（operator.itemgetter(1)）） 排序 从大到小排序 reverse=True sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0] # 返回 最近的 对应的标签 # 真实数据的处理 输入TXT文本文件 返回 数据集和标签(已转化成数字) 列表 list def file2matrix(filename): fr = open(filename) # 打开文件 numberOfLines = len(fr.readlines()) # 得到文件所有的行数 returnMat = zeros((numberOfLines,3)) # 创建一个用于存储返回数据的矩阵 数据集 每个数据的大小根据实际情况！！ 即是 3 列数应根据 数据维度确定 classLabelVector = [] # 对应标签 fr = open(filename) index = 0 for line in fr.readlines(): # 每一行 line = line.strip() # 默认删除空白符（包括'\n', '\r', '\t', ' ') listFromLine = line.split('\t') # 按 制表符(\t) 分割字符串 成 元素列表 returnMat[index,:] = listFromLine[0:3] # 前三个为 数据集数据 classLabelVector.append(int(listFromLine[-1])) # 最后一个 为 标签 整形 index += 1 return returnMat,classLabelVector # 真实数据的处理 输入TXT文本文件 返回 数据集和标签(为字符串) 列表 list def file2matrix2(filename): fr = open(filename) # 打开文件 numberOfLines = len(fr.readlines()) # 得到文件所有的行数 returnMat = zeros((numberOfLines,3)) # 创建一个用于存储返回数据的矩阵 数据集 每个数据的大小根据实际情况！！ 即是 3 列数应根据 数据维度确定 classLabelVector = [] # 对应标签 fr = open(filename) index = 0 for line in fr.readlines(): # 每一行 line = line.strip() # 默认删除空白符（包括'\n', '\r', '\t', ' ') listFromLine = line.split('\t') # 按 制表符(\t) 分割字符串 成 元素列表 returnMat[index,:] = listFromLine[0:3] # 前三个为 数据集数据 classLabelVector.append(str(listFromLine[-1])) # 最后一个 为 标签 字符串型 index += 1 return returnMat,classLabelVector # 数据集 各个类型数据归一化 平等化 影响权值 def dataAutoNorm(dataSet): minVals = dataSet.min(0) # 最小值 每一列的 每一种属性 的最小值 maxVals = dataSet.max(0) # 最大值 ranges = maxVals - minVals # 数据范围 normDataSet = zeros(shape(dataSet)) # 初始化输出 数组 m = dataSet.shape[0] # 行维度 样本总数 normDataSet = dataSet - tile(minVals, (m,1)) # 扩展 minVals 成 样本总数行m行 1列（属性值个数） normDataSet = normDataSet/tile(ranges, (m,1)) # 矩阵除法 每种属性值 归一化 numpy库 为（linalg.solve(matA,matB)） return normDataSet, ranges, minVals # 返回 归一化后的数组 和 个属性范围以及最小值 # 约会数据 KNN分类 测试 # 标签为 字符串型 def datingClassTest1(test_ret=0.1): hoRatio = test_ret # 测试的样本比例 剩下的作为 训练集 datingDataMat,datingLabels = file2matrix2('datingTestSet.txt') #载入数据集 normMat, ranges, minVals = dataAutoNorm(datingDataMat) m = normMat.shape[0] # 总样本数量 numTestVecs = int(m*hoRatio) # 总测试样本数 errorCount = 0.0 # 错误次数记录 for i in range(numTestVecs): # 对每个测试样本 # KNN 分类 测试样本 剩下的作为数据集 数据集对应的标签 最近 的三个 classifierResult = knnClassify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3) print "分类结果: %s,\t真实标签: %s" % (classifierResult, datingLabels[i]) if (classifierResult != datingLabels[i]): errorCount += 1.0 print "总错误次数: %d" % errorCount print "测试总数: %d" % numTestVecs print "总错误率: %f" % (errorCount/float(numTestVecs)) # 标签为 整形 int def datingClassTest2(test_ret=0.1): hoRatio = test_ret # 测试的样本比例 剩下的作为 训练集 datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #载入数据集 normMat, ranges, minVals = dataAutoNorm(datingDataMat) m = normMat.shape[0] # 总样本数量 numTestVecs = int(m*hoRatio) # 总测试样本数 errorCount = 0.0 # 错误次数记录 for i in range(numTestVecs): # 对每个测试样本 # KNN 分类 测试样本 剩下的作为数据集 数据集对应的标签 最近 的三个 classifierResult = knnClassify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3) print "分类结果: %d, 真实标签: %d" % (classifierResult, datingLabels[i]) if (classifierResult != datingLabels[i]): errorCount += 1.0 print "总错误次数: %d" % errorCount print "测试总数: %d" % numTestVecs print "总错误率: %f" % (errorCount/float(numTestVecs)) # 根据用户输入的 样本的属性值 判断用户所倾向的类型(有点问题？？) def classifyPerson(): resultList = ['讨厌','一般化','非常喜欢'] percent = float(raw_input("打游戏所花时间比例： ")) mile = float(raw_input("每年飞行的里程数量： ")) ice = float(raw_input("每周消费的冰淇淋量： ")) datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #载入数据集 normMat, ranges, minVals = dataAutoNorm(datingDataMat) # 新测试样本 归一化 print ranges, minVals testSampArry = array([mile, percent, ice]) # 用户输入的 测试样例 testSampArryNorm = (testSampArry-minVals)/ranges # 样例归一化 print testSampArry ,testSampArryNorm # 分类 classifierResult = knnClassify0(testSampArryNorm,normMat,datingLabels,3) print classifierResult print "他是不是你的菜： ", resultList[classifierResult-1] # 手写字体 图像 32*32 像素转化成 1*1024 的向量 def img2vector(filename): returnVect = zeros((1,1024)) # 创建空的 返回向量 fr = open(filename) # 打开文件 for i in range(32): # 对每一行 lineStr = fr.readline() # 每一行元素 for j in range(32): # 每一行的每个值 returnVect[0,32*i+j] = int(lineStr[j]) return returnVect # 手写字体的 KNN识别 每个数字图片被转换成 32*32 的 0 1 矩阵 def handwritingClassTest(k=3): # 得到训练数据集 hwLabels = [] # 识别的标签 trainingFileList = listdir('trainingDigits') # 加载手写字体训练数据集 (所有txt文件列表) m = len(trainingFileList) # 总训练样本数 trainingMat = zeros((m,1024)) # 训练数据集 for i in range(m): fileNameStr = trainingFileList[i] # 每个训练数据样本文件 0_0.txt 0_1.txt 0_2.txt fileStr = fileNameStr.split('.')[0] # 以.分割 第一个[0]为文件名 第二个[1]为类型名 txt文件 classNumStr = int(fileStr.split('_')[0]) # 以_分割，第一个[0]为该数据表示的数字 标签 hwLabels.append(classNumStr) # 训练样本标签 trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) # 训练样本数据 # 得到测试数据集 testFileList = listdir('testDigits') # 测试数据集 errorCount = 0.0 # 错误次数计数 mTest = len(testFileList) # 总测试 数据样本个数 for i in range(mTest): fileNameStr = testFileList[i] # 每个测试样本文件 fileStr = fileNameStr.split('.')[0] # 得到文件名 classNumStr = int(fileStr.split('_')[0]) # 得到对应的真实标签 vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) # 测试样本数据 classifierResult = knnClassify0(vectorUnderTest, trainingMat, hwLabels, k) # 分类 print "KNN分类标签: %d, 真实标签: %d" % (classifierResult, classNumStr) if (classifierResult != classNumStr): errorCount += 1.0 print "\n总的错误次数: %d" % errorCount print "\n总的错误比例: %f" % (errorCount/float(mTest))

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。