k-近邻算法（kNN）完整代码

from numpy import *#科学计算包
from numpy import tile
from numpy import zeros
import operator     #运算符模块
import importlib
import sys
importlib.reload(sys)

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

def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    #距离计算
    diffMat = tile(inX, (dataSetSize,1)) - dataSet
    sqDiffMat = diffMat**2      #平方
    sqDistances = sqDiffMat.sum(axis=1)     #根号下平方相加
    distances = sqDistances**0.5    #根号
    sortedDistIndicies = distances.argsort()    #排序
    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
        #排序，将classCount字典分解为元祖列表，导入itemgeeter方法，按照第二个元素的次序对元祖进行排序
        #此处排序为逆序，即从大到小排序，最后返回发生频率最高的元素标签。
        sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
        return sortedClassCount[0][0]
    # 为预测数据所在分类：kNN.classify0([0,0], group, labels, 3)

# mat()函数可以将数组(array)转化为矩阵（matrix）
# randMat = mat(random.rand(4,4))
# 求逆矩阵：randMat.I
# 存储逆矩阵：invRandMat = randMat.I
# 矩阵乘法：randMat*invRandMat
# 求误差值：myEye = randMat*invRandMat
        #myEye - eye(4)
        #eye(4)创建4*4的单位矩阵
# 使用createDataSet()函数，创建数据集和标签
# 创建变量group和labels：group,labels = kNN.createDataSet()
# labels包含的元素个数 = group矩阵的行数
# 输入变量名字检验是否正确：group和labels
#
#
# 准备数据：从文本文件中解析数据
# 在kNN.py中创建名为file2matrix的函数，处理输入格式问题
# 该函数的输入为文件名字符串，输出为训练样本矩阵和类标签向量
# 将文本记录到转换Numpy的解析程序
def file2matrix(filename):
    fr = open(filename)
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)    #得到文件行数
    returnMat = zeros((numberOfLines,3))    #创建返回的Numpy矩阵
    classLabelVector = []
    index = 0
    for line in arrayOLines:    #解析文件数据列表
        line = line.strip()     #使用line.strip（）截取掉所有的回车字符
        listFromLine = line.split('	')     #使用tab字符	将上一步得到的整行数据分割成一个元素列表
        returnMat[index,:] = listFromLine[0:3]      #选取前三个元素，存储到特征矩阵中
        classLabelVector.append(int(listFromLine[-1]))      #-1表示列表中的最后一列元素，存储到向量classLabelVector中
        index += 1
        return returnMat,classLabelVector

#准备数据：归一化数值
def autoNorm(dataSet):      #autoNorm()函数可以自动将数字特征值转换为0到1的区间
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)    #ddataSet.max(0)中的参数0使得函数可以从列中选取最小值
    ranges = maxVals - minVals
    normDataSet = zeros(shape(dataSet))
    m = dataSet.shape[0]
    #newValue = (oldValue-min)/(max-min)，该公式可以将任意取值范围的特征值转换为0到1区间内的值
    #tile()函数将变量内容复制成输入矩阵同样大小的矩阵（具体特征值相除）
    #在numpy库中，矩阵除法需要使用函数linalg.solve(matA,matB)
    normDataSet = dataSet - tile(minVals, (m,1))
    normDataSet = normDataSet/tile(ranges, (m,1))
    return normDataSet, ranges, minVals

#测试算法：作为完整程序验证分类器
def datingClassTest():
    hoRatio = 0.10  #设置测试集比重，前10%作为测试集，后90%作为训练集
    datingDataMat,datingLabels = file2matrix('datingTestSet.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]    #得到样本数量m
    numTestVecs = int(m*hoRatio)    #得到测试集最后一个样本的位置
    errorCount = 0.0    #初始化定义错误个数为0
    for i in range(numTestVecs):
        #测试集中元素逐一放进分类器测试，k = 3
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        #输出分类结果与实际label
        print("the classifier came back with: %d, the real answer is: %d"% (classifierResult, datingLabels[i]))
        #若预测结果与实际label不同，则errorCount+1
        if (classifierResult !=datingLabels[i]): errorCount += 1.0
        #输出错误率 = 错误的个数 / 总样本个数
        print("the total error rate is: %f" % (errorCount/float(numTestVecs)))


#约会网站预测数据
def classifyPersion():
    resultList = ['not at all','in small doses','in large doses']
    #input()函数允许用户输入文本行命令并返回用户所输入的命令
    percentTats = float(input("percentage of time spent playing video games?"))
    ffMiles = float(input("frequent year?"))
    iceCream = float(input("liters years?"))
    datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    inArr = array([ffMiles,percentTats, iceCream])
    classifierResult = classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
    print("you like person:",resultList[classifierResult - 1])


#准备数据：将图像转换为测试向量
#img2vector函数，将图像转换为向量：该函数创建1*2014的numpy数组，
#然后打开给定的文件，循环读出文件的前32行，并将每行的头32个字符值存储在numpy数组中，最后返回数组
def img2vector(filename):
    returnVect = zeros((1,1024))
    fr = open(filename)
    for i in range(32):
        lineStr = fr.readline()
        for j in range(32):
            returnVect[0,32*i+j] = int(lineStr[j])
            return returnVect

#测试算法：识别手写数字
def handwritingClassTest():
    hwLabels = []
    trainingFileList = os.listdir('trainingDigits')
    m = len(trainingFileList)
    trainingMat = zeros((m,1024))
    #文件名下划线_左边的数字是标签
    for i in range(m):
        fileNameStr = trainingFileList[i]
        fileStr = fileNameStr.split(".")[0]
        classNumStr = int(fileStr.split('_')[0])
        hwLabels.append(classNumStr)
        trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr)
    testFileList = os.listdir('trainingDigits')
    errorCount = 0.0
    mTest = len(testFileList)
    for i in range(mTest):
        fileNameStr = testFileList[i]
        fileStr = fileNameStr.split('.')[0]  # take off .txt
        classNumStr = int(fileStr.split('_')[0])
        vectorUnderTest = img2vector('digits/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 / float(mTest)))