该函数的功能是使用k近邻算法将每组数据划分到某个类中，其伪代码如下:

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。

Python函数classi fy0 ()如程序清单2-1所示。

• 
  
  def classify0(inX,dataSet,labels,k):
  
  
• 
  
      '''
  
  
• 
  
      inX:用于分类的输入向量（带分类的向量）
  
  
• 
  
      labels：训练集对应的标签向量
  
  
• 
  
      K:最近邻居数量
  
  
• 
  
      '''
  
  
• 
  
      dataSetSize = dataSet.shape[0]#数据集数据的函数
  
  
• 
  
      print(tile(inX,(dataSetSize,1)))
  
  
• 
  
      diffMat = tile(inX,(dataSetSize,1)) - dataSet
  
  
• 
  
  
  
  
• 
  
      sqDiffMat = diffMat**2
  
  
• 
  
      sqDistances=sqDiffMat.sum(axis=1)
  
  
• 
  
      distances = sqDistances**(1/2)
  
  
• 
  
  
  
  
• 
  
      sortedDistIndicies = distances.argsort()
  
  
• 
  
      classCount={}
  
  
• 
  
      for i in range(k):
  
  
• 
  
          voteIlabel = labels[sortedDistIndicies]
  
  
• 
  
          classCount[voteIlabel]  = classCount.get(voteIlabel,0)+1
  
  
• 
  
  
  
  
• 
  
      sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
  
  
• 
  
      return sortedClassCount[0][0]
  
  
  

小结：

k-近邻算法是分类数据最简单最有效的算法，本章通过两个例子讲述了如何使用k近邻算法构造分类器。k-近邻算法是基于实例的学习，使用算法时我们必须有接近实际数据的训练样本数据。k-近邻算法必须保存全部数据集，如果训练数据集的很大，必须使用大量的存储空间。此外，由于必须对数据集中的每个数据计算距离值，实际使用时可能非常耗时。

k-近邻算法的另一个缺陷是它无法给出任何数据的基础结构信息，因此我们也无法知晓平均实例样本和典型实例样本具有什么特征。

奈斯