KNN算法python实现小样例

K近邻算法概述
优点：精度高、对异常数据不敏感、无数据输入假定
缺点：计算复杂度高、空间复杂度高
适用数据范围：数值型和标称型
工作原理：
存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，
即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，
将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集
中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中
前K各最相似的数据，这就是k——近邻算法k的出处，通常k是不大于20的整数。最
后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类
K-近邻算法的一般流程
（1）收集数据：可以使用任何方法
（2）准备数据：距离计算所需要的数值，最好是结构化的数据格式
（3）分析数据：可以使用任何方法
（4）训练算法：此步骤不适用于k—近邻算法
（5）测试算法：计算错误率
（6）使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法
判定 输入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理

 from numpy import *
 import operator
 from os import listdir
 def createDataSet():
     group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
     labels=['A','A','B','B']
     return group,labels

 def classify0(inX, dataSet, labels, k):
     dataSetSize = dataSet.shape[0]
     #距离计算
     diffMat = tile(inX, (dataSetSize,1)) - dataSet
     sqDiffMat = diffMat**2
     sqDistances = sqDiffMat.sum(axis=1)
     distances = sqDistances**0.5
     # 按降序排列
     sortedDistIndicies = distances.argsort()
     classCount={}
     #选择距离最小的k个点
     for i in range(k):
         voteIlabel = labels[sortedDistIndicies[i]]
         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
         #排序
     sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
     return sortedClassCount

 group,labels=createDataSet()
 A=classify0([0,0],group,labels,3)
 print(A)

K-近邻算法是分类数据最简单最有效的算法。K-近邻算法是基于实例的学习，使用算法时我们必须有接近实际数据的训练样本数据。k-近邻算法必须保存全部数据集，如果训练数据集很大，必须使用大量的存储空间。此外，由于必须对数据集中的每个数据计算距离值，实际使用时可能非常耗时。

K-近邻算法的另一个缺陷是它无法给出任何数据的基础结构信息，因此我们也无法知晓平均实例样本和典型实例样本具有什么特征。