工作原理：
给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。
代码实例：
kNN.py
from numpy import * import operator def createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels= [‘B‘,‘B‘,‘B‘,‘B‘] return group,labels
>>> import kNN >>> group,labels = kNN.createDataSet() >>> group array([[ 1. , 1.1], [ 1. , 1. ], [ 0. , 0. ], [ 0. , 0.1]]) >>> labels [‘B‘, ‘B‘, ‘B‘, ‘B‘]
数据读取
矩阵第一行的长度 >>> group.shape[0] 4
原文：http://www.cnblogs.com/huanhuanang/p/5150707.html