k-近邻算法采用测量不同特征值之间的距离的方法进行分类。

优点：精度高、对异常值不敏感、无数据输入假定。

缺点：计算复杂度高、空间复杂度高

适用范围：数值型和标称型

一般，我们只选择样本数据集中前k个最相似的数据，k是不大于20的整数。然后，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。

下面，将以k-近邻算法对电影进行分类，看电影是爱情片还是动作片。

K-近邻算法的简单数据表示

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

K-近邻算法的python实现

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()     
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]

预测数据所在分类

KNN.classify0([0,0],group,labels,3)