使用python模拟实现KNN算法

# -*- coding: utf-8 -*-
"""
使用python程序模拟KNN算法
Created on Sat Jun 22 18:38:22 2019

@author: zhen
"""
import numpy as np
import collections as cs

data = np.array([
        [203,1],[126,1],[89,1],[70,1],[196,2],[211,2],[221,2],[311,3],[271,3]
        ])
feature  = data[:,0] # 特征
print(feature)

label = data[:,-1] # 结果分类
print(label)

predictPoint = 200 # 预测数据
print("预测输入特征为：" + str(predictPoint))

distance = list(map(lambda x : abs(predictPoint - x), feature)) # 各点到预测点的距离
print(distance)

sortIndex = np.argsort(distance) # 排序，返回排序后各数据的原始下标
print(sortIndex)

sortLabel = label[sortIndex] # 根据下标重新进行排序
print(sortLabel)

# k = 3 # 设置k值大小为3

for k in range(1,label.size+1):
    result = cs.Counter(sortLabel[0:k]).most_common(1)[0][0] # 根据k值计算前k个数据中出现次数最多的分类，即为预测的分类
    print("当k=" + str(k) + "时预测分类为：" + str(result))

[203 126  89  70 196 211 221 311 271]
[1 1 1 1 2 2 2 3 3]
预测输入特征为：200
[3, 74, 111, 130, 4, 11, 21, 111, 71]
[0 4 5 6 8 1 2 7 3]
[1 2 2 2 3 1 1 3 1]
当k=1时预测分类为：1
当k=2时预测分类为：1
当k=3时预测分类为：2
当k=4时预测分类为：2
当k=5时预测分类为：2
当k=6时预测分类为：2
当k=7时预测分类为：1
当k=8时预测分类为：1
当k=9时预测分类为：1