机器学习实战（一）—K-近邻算法_k-近邻动态系统测量-优快云博客

本文介绍了 k-近邻算法，它通过测量不同特征值间距离进行分类。阐述了其优缺点，优点是精度高、对异常值不敏感等，缺点是计算和空间复杂度高。说明了适用数据范围，还讲解了工作原理、算法流程，给出分类器代码并进行测试，测试结果为 B 类别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

k-近邻算法

简单来说，k-近邻算法采用测量不同特征值之间的距离方法进行分类

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，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 k 个分类标签，出现次数最多的分类，作为新数据的分类。

KNN 算法流程：

计算已知类别数据集中的点与当前点之间的距离
按照距离递增次序排序
选取与当前点距离最小的 k 个点
确定前 k 个点所在类别的出现频率
返回前 k 个点出现频率最高的类别作为当前点的预测分类

KNN 分类器代码

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
    #距离计算
    sortedDistIndicies = distances.argsort()     
    #距离排序
    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    #选取与当前点距离最小的 k 个点
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    #确定前 k 个点所在类别的出现频率并排序
    return sortedClassCount[0][0]
    #返回最高的频率分类

测试：
数据集生成函数为

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

测试数据样本为 [0,0]，k 取3。

print(classify0([0,0],group,labels,3))

结果为 B 类别