机器学习实战学习笔记 一 k-近邻算法

k-近邻算法很简单，这里就不赘述了，主要看一下python实现这个算法的一些细节。下面是书中给出的算法的具体实现。

def clssify(inX,dataset,label,k):
    #计算距离
    datasetSize = dataset.shape[0]
    diffMat = tile(inX,(dataSize,1))-dataset
    sqdiffMat = diffMat ** 2
    distance = sqdiffMat.sum(axis = 1)
    sorteddistance = distance.argsort()
    labelcount = {}
    for i in range(k):
        label_index = label[sorteddistance[i]]
        labelcount[label_index] = 
    sortedlabel = sorted(labelcount.iteritems(),key = operator.itemgetlabelcount.get(label_index,0)+1ter(0),reverse = True)

    return sortedlabel[0][0]

　　我学习python没多长时间，一句一句来学习这段代码，发现收获不小。首先来看第一句，dataset.shape[0]返回的是dataset这个array的行数。

tile这个函数非常牛逼啊，我只说它在这个里面是什么意思，我们知道inX是个向量，而dataset是个矩阵，两者之间要进行相减的运算，需要把这个向量也补成一个和dataset有相同行数列数的矩阵，怎么个补法呢。这就要看tile()的第二个参数了，也就是上面的(datasetsize,1)，这个参数的意思就是把inX补成有datasetsize行数的矩阵。

假如inX是（1，2） datasetsize =3 那么经过tile()转换后产生了一个这样的矩阵（[1,2],[1,2],[1,2]）

然后和dataset相减就是根据矩阵的减法进行的。接下来看sqdiffMat.sum(axis = 1)这句，假如sqdiffMat是([1,2],[0,1],[3,4])关注下axis这个参数，它影响了你对矩阵求和时候的顺序，axis=0是按照行求和，axis=1是按照列进行求和，因此这样的求和结果就是([4,7])。至于argsort()这个函数的作用很简单，就是把向量中每个元素进行排序，而它的结果是元素的索引形成的向量。例子如下：

distance是这么个东西------([1,4,3])

经过distance.argsort()之后的结果是([0,2,1])

另外需要主意的一点是sorted()函数返回的是一个list。