K最近邻(KNN，K-NearestNeighbor)是1967年由Cover T和Hart P提出的一种基本分类与回归方法，它是数据挖掘分类技术中最简单的方法之一，非常容易理解应用。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的（一般用距离最短表示最接近）K个邻居来代表。如果K个邻居里大多数都属于某一个类别，那么该样本也被划分为这个类别。
KNN算法中所选择的邻居都是已经正确分类的对象，属于懒惰学习，即KNN没有显式的学习过程，没有训练阶段。待收到新样本后直接进行处理。
算法描述：
1）计算测试数据与各个训练数据之间的距离；
2）按照距离的递增关系进行排序；
3）选取距离最小的K个点；
4）确定前K个点所在类别的出现频率；
5）返回前K个点中出现频率最高的类别作为测试数据的预测分类.
通常k是不大于20的整数，上限是训练数据集数量n的开方，随着数据集的增大，K的值也要增大。
依赖于训练数据集和K的取值，输出结果可能会有不同。所以需要评估算法的正确率，选取产生最小误差率的K：比如我们可以提供已有数据的90%作为训练样本来训练分类器，而使用其余的10%数据去测试分类器，检测错误率是否随着K值的变化而减小。需要注意的是，10%的测试数据应该是随机选择的。
python示例1(sklearn包封装了KNN算法)
import numpy as np
from sklearn import neighbors
from sklearn import datasets
knn = neighbors.KNeighborsClassifier()
iris = datasets.load_iris() #加载"Anaconda2Libsite-packagessklearndatasetsdatairis.csv"
#print iris
#print iris.data
#print iris.target
knn.fit(iris.data, iris.target) #用KNN分类器进行建模，这里用的默认的参数
predictedLabel = knn.predict([[5.1, 5.2, 5.3, 5.4]])
print ("predictedLabel is :" + str(predictedLabel))
predictedLabel = knn.predict([[0.1, 0.2, 0.3, 0.4]])
print ("predictedLabel is :" + str(predictedLabel))
#拆分测试集和训练集，计算算法的准确率
np.random.seed(0)
#permutation随机生成50个训练数，测试集就是sum-50
indices = np.random.permutation(len(iris_y))
iris_X_train = iris_X[indices[:50]]
iris_y_train = iris_y[indices[:50]]
iris_X_test = iris_X[indices[50:]]
iris_y_test = iris_y[indices[50:]]
#print iris_X_train
#用KNN分类器进行建模，和上面相比，不再使用所有数据，而是训练集数据
knn.fit(iris_X_train, iris_y_train)
#预测所有测试集数据的鸢尾花类型
predict_result = knn.predict(iris_X_test)
#计算预测的准确率
print(knn.score(iris_X_test, iris_y_test))
python示例2(自己写KNN算法，简单示例)
import numpy as np
import math
a=[]
p=np.array([0,4,5])
p1=np.array([3,0,0])
p2=np.array([3,1,2])
p3=np.array([3,4,5])
labels=['red','blue','yellow']#p1/p2/p3分别对应的label
p11=p1-p
p21=p2-p
p31=p3-p
#math.hypot用来计算两点之间距离((x1-x2)^2+(y1-y2)^2)^0.5
#因为是三维数组，所以需要计算三点之间距离，math.hypot只能传参2个，所以计算2次达到目的
p111=math.hypot(p11[0],p11[1])
p1111=math.hypot(p11[2],p111)
a.append(p1111)
p211=math.hypot(p21[0],p21[1])
p2111=math.hypot(p21[2],p211)
a.append(p2111)
p311=math.hypot(p31[0],p31[1])
p3111=math.hypot(p31[2],p311)
a.append(p3111)
#对数组a排序，返回索引，第一个索引对应的训练数据和p的距离最短，那么p的label=该数据的label
#相当于K=1，只找最近的那一个邻居
a=np.array(a)
b=a.argsort()
print labels[b[0]]
python示例3(自己写KNN算法，进阶示例)
import numpy as np
from math import sqrt
import operator as opt
#对数据进行[0，1]格式化处理
def normData(dataSet):
maxVals = dataSet.max(axis=0)
minVals = dataSet.min(axis=0)
ranges = maxVals - minVals
retData = (dataSet - minVals) / ranges
return retData, ranges, minVals
def kNN(dataSet, labels, testData, k):
distSquareMat = (dataSet - testData) ** 2 # 计算差值的平方
distSquareSums = distSquareMat.sum(axis=1) # 求每一行的差值平方和
distances = distSquareSums ** 0.5 # 开根号，得出每个样本到测试点的距离
sortedIndices = distances.argsort() # 排序，得到排序后的下标
indices = sortedIndices[:k] # 取最小的k个
labelCount = {} # 存储每个label的出现次数
for i in indices:
label = labels[i]
labelCount[label] = labelCount.get(label, 0) + 1 # 次数加一
sortedCount = sorted(labelCount.items(), key=opt.itemgetter(1), reverse=True)
# 对label出现的次数从大到小进行排序
return sortedCount[0][0] # 返回出现次数最大的label
if __name__ == "__main__":
dataSet = np.array([[2.0, 3], [6.0, 8], [3.0, 4]])
normDataSet, ranges, minVals = normData(dataSet)
print normDataSet
labels = ['a', 'a', 'c']
testData = np.array([3.0, 5])
normTestData = (testData - minVals) / ranges
print normTestData
result = kNN(normDataSet, labels, normTestData, 3)
#k=1时就会取到最近的那一个点[3.0, 4]对应的label'c'
print(result)
学习参考：