简述k-近邻（KNN）算法流程_knn算法步骤

一、算法流程

（1）收集数据：可以使用任何方法；

（2）准备数据：距离计算所需要的数值，最好是结构化的数据格式；

（3）分析数据：可以使用任何方法；

（4）训练算法：此步骤不适用于k-近邻算法；

（5）测试算法：计算错误率；

（6）使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法，判定输入数据分别属于哪个分类，最后应用，对计算出的分类执行后续的处理。

二、算法实施

对未知类别属性的数据集中的每个点依次执行以下操作：

（1）计算已知类别数据集中的点与当前点之间的距离；

（2）按照距离递增次序排序；

（3）选取与当前点距离最小的k个点；

（4）确定前k个点所在类别的出现频率；

（5）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。

三、代码详解

（python开发环境搭建，包括安装numpy，scipy，matplotlib等科学计算库的安装不再赘述，百度即可）

（1）进入python交互式开发环境，编写并保存如下代码，本文档中代码保存名为“KNN”；

import numpy
import operator
from os import listdir
from numpy import *

#k-近邻算法
def classify0(inX, dataSet, labels, k):
    # type: (object, object, object, object) -> object
    dataSetSize = dataSet.shape[0]                            #计算距离，使用欧氏距离。
    diffMat = numpy.tile(inX, (dataSetSize, 1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount = {}                                           #选择距离最小的k个点
    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)   #排序
    return sortedClassCount[0][0]

#编写基本的通用函数
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
#将文本记录转换为numpy的解析程序
def file2matrix(filename):
    fr = open(filename)
    numberOfLines = len(fr.readlines())         #get the number of lines in the file得到文件行数
    returnMat = numpy.zeros((numberOfLines, 3))        #prepare matrix to return创建返回的numpy矩阵
    classLabelVector = []                       #prepare labels return解析文件数据列表
    fr = open(filename)
    index = 0
    for line in fr.readlines():
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:3]
        classLabelVector.append(numpy.int(listFromLine[-1]))
        index += 1
    return returnMat, classLabelVector
#归一化特征值
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    m = dataSet.shape[0]
    normDataSet = dataSet - numpy.tile(minVals, (m, 1))
    normDataSet = normDataSet / numpy.tile(ranges, (m, 1))   #element wise divide特征值相除
    return normDataSet, ranges, minVals
'''
def datingClassTest():
    hoRatio = 0.50      #hold out 10%
    datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')       #load data setfrom file
    normMat, ranges, minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]
    numTestVecs = numpy.int(m * hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i])
        if classifierResult != datingLabels[i]: errorCount += 1.0
    print "the total error rate is: %f" % (errorCount / numpy.float(numTestVecs))
    print errorCount'''
#将图像转换为向量
def img2vector(filename):
    returnVect = numpy.zeros((1, 1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0,32*i+j] = numpy.int(lineStr[j])
    return returnVect
#手写数字识别系统的测试代码
def handwritingClassTest():
    hwLabels = []
    trainingFileList = listdir('trainingDigits')           #load the training set获取目录内容
    m = len(trainingFileList)
    trainingMat = numpy.zeros((m, 1024))
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt 从文件名解析分类数字
 
 
        classNumStr = numpy.int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i, :] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = listdir('testDigits')        #iterate through the test set
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]     #take off .txt
        classNumStr = numpy.int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('testDigits/%s' % fileNameStr)
        classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3)
        print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr)
        if classifierResult != classNumStr: errorCount += 1.0
    print 'the total number of errors is: %d' % errorCount
    print 'the total error rate is: %f' % (errorCount / numpy.float(mTest))

>>>import KNN
>>>group,labels=KNN.createDataSet()

>>>import matplotlib
>>>import matplotlib.pyplot as plot
>>>fig=plt.figure()
>>>ax=fig.add_subplot(111)
>>>ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))

KNN.handwritingClassTest()