机器学习实战python与R共舞

机器学习实战中的代码，学习并交流。第一个是kNN分类函数。以下是Python的代码，后来也尝试用R写了一下，发现他们在处理数据上R还是很强大的。

#!/usr/bin/python
from numpy import *
import operator

def classfy0(inX,dataSet,labels,k):
    dataSetSize=dataSet.shape[0]  # shape 方法获得数据的行数和列数，然后选取行数
    diffMat=tile(inX,(dataSetSize,1))-dataSet #tile 方法是数组的重复，里边的元祖表示的是对这个数组重复的纬度，这里表示几行几列
    sqDiffMat=diffMat**2
    sqDistances=sqDiffMat.sum(axis=1)  #按照行来对计算的平方和求加，下一步计算距离
    distances=sqDistances**0.5
    sortedDistIndicies=distance.argsort() #获取距离的数据进行排序
    classCount={}
    for i in range(k):
        voteIlabels=labels[sortedDistIndicies[i]]        #获得排序的前k个元素，sortedDistIndicies[i] 是排序后距离值的索引，这个索引也是label的索引。每个元素的标签是新建字典的键
    classCount[voteIlabels]=classCount.get(voteIlabels,0)+1 # 字典的值是每个字典的键出现的次数的累计，get方法内输入0，表示
    #如果不存在该键，则得到的值就是输入的值，这里因为创建的是空字典，每一个键的输入都是不存在的，第二次输入的时候，在上一个的计数上加1
    sortedClassCount=sorted(classCount.iteritems(), 
    key=operator.itemgetter(1),reverse=True)    #对字典进行排序，sorted中的参数key是operator.itemgetter取第一个类型，
    #也就是按照字典的值来排序
    return sortedClassCount[0][0]  #返回排序后是一个元祖，返回第一个元祖的第一个值。

下边是R的代码，由于是初学，附上了很多注释，还望见谅。

kNN<-function(input, dataset,label,k){
    if(class(input)!="numeric") stop(cat("you must input a numeric vector"))
    if(class(dataset)!="matrix") stop(cat("you mush input your traning data as a matrix"))
    datasize=nrow(dataset)
    diffMat=matrix(rep(input,datasize),nrow=datasize,byrow = TRUE)-dataset
    sqDiffMat=diffMat^2
    sqDistances=apply(sqDiffMat,1,sum)
    distances=sqrt(sqDistances)
    sortedDistIndicies=order(distances)
    classCount=list()              #创建一个空列表，列表的名字是标签，列表的内容是前k个标签中，某个标签出现的次数
    for(i in 1:k){
        name=label[sortedDistIndicies[i]]       #获取前k个排序后的标签的名字sortedDistIndicies[i] 是获得排序后距离值的索引，这个索引也是label的索引。
        classCount[[name]]=c(classCount[[name]],1) #并把标签出现的次数赋值为标签的内容，classCount[[name]] 是null，
    #因为这个是个空列表，每次如果出现这个标签，就加上1
    }
    results=lapply(classCount, function(x) sum(x)) #对列表中的数据进行相加，看出现的频率
    return(results[1])
}