本篇文章分为两个部分，前一部分主要简单介绍K近邻，后一部分是一个例子

第一部分--K近邻简介

　　从字面意思就可以容易看出，所谓的K近邻，就是找到某个样本距离（这里的距离可以是欧式距离，曼哈顿距离，切比雪夫距离等）最近的K个数据，根据最近的K个邻居属于什么分类，来判断这个样本属于什么分类。　

　　简单说一下优缺点：

　　　　优点：简单，适合于多分类问题(multi-modal,对象具有多个类别标签)， kNN比SVM的表现要好。

　　　　缺点：I:计算量大 　　 II.如果某个分类占绝对优势，分类的效果很差，比如，印度阿三主要是黑人，如果你随便找个人，

　　　　　　　使用K近邻判断这个人是不是黑人，这个人周围可能都是黑人，所以不适合这种类型的数据集。

第二部分--实战例子

　　数据集：iris数据集，这是个什么样的数据集呢？

　　　　通过3种鸢尾属植物的花的四个属性（萼片长度(sepal length)、萼片宽度sepalwidth)、花瓣长度(petal length)和花瓣宽度(petal width)） 来判断属于哪一种鸢尾属植物，这三种鸢尾属植物分别是setosa、versic010r和virginica。

　　数据集地址：     将数据复制到txt文件中。

　　代码：

import csvimport randomimport mathimport operator#装载数据集def loadDataset(filename, split, trainingSet = [], testSet = []):    with open(filename, 'rt') as csvfile:        lines = csv.reader(csvfile)        dataset = list(lines)        for x in range(len(dataset)-1):            for y in range(4):                # print(type(dataset[x][y]))                dataset[x][y] = float(dataset[x][y])            if random.random() < split:                trainingSet.append(dataset[x])            else:                testSet.append(dataset[x])#计算样本之间的欧式距离def euclideanDistance(instance1, instance2, length):    distance = 0    for x in range(length):        distance += pow((instance1[x]-instance2[x]), 2)    return math.sqrt(distance)#找到相邻的k个样本def getNeighbors(trainingSet, testInstance, k):    distances = []    length = len(testInstance)-1    for x in range(len(trainingSet)):        #testinstance        dist = euclideanDistance(testInstance, trainingSet[x], length)        distances.append((trainingSet[x], dist))    """        operator模块提供的itemgetter函数用于获取对象的哪些维的数据，参数为一些序号    """    #distances是一个list里面放的tuple，tuple第二个元素是距离，这里就是根据距离排序，默认升序    distances.sort(key=operator.itemgetter(1))    neighbors = []    for x in range(k):        neighbors.append(distances[x][0])    return neighbors#找到k个样本中出现最多的分类，并返回def getResponse(neighbors):    classVotes = {}    for x in range(len(neighbors)):        response = neighbors[x][-1]        if response in classVotes:            classVotes[response] += 1        else:            classVotes[response] = 1    """        注意，python3中字典的iteritems()方法已经取消，只有item()    """    # sortedVotes = sorted(classVotes.iteritems(), key=operator.itemgetter(1), reverse=True)    """        sort 与 sorted 区别：        sort 是应用在 list 上的方法，sorted 可以对所有可迭代的对象进行排序操作。        list 的 sort 方法返回的是对已经存在的列表进行操作，而内建函数 sorted 方法返回的是一个新的 list，而不是在原来的基础上进行的操作。        reverse -- 排序规则，reverse = True 降序 ， reverse = False 升序（默认）    """    """        print(classVotes)        输出格式为：{'Iris-versicolor': 1, 'Iris-virginica': 2}    """    """        print(classVotes.items())        输出格式为：dict_items([('Iris-versicolor', 1), ('Iris-virginica', 2)])    """    sortedVotes = sorted(classVotes.items(), key=operator.itemgetter(1), reverse=True)    """        print(sortedVotes)        输出格式为：[('Iris-virginica', 3)]    """    return sortedVotes[0][0]#得到最后全部测试样本的预测准确率def getAccuracy(testSet, predictions):    correct = 0    for x in range(len(testSet)):        if testSet[x][-1] == predictions[x]:            correct += 1    return (correct/float(len(testSet)))*100.0#主函数def main():    #prepare data    trainingSet = []    testSet = []    split = 0.67  #0.67相当于2/3，就是说2/3是训练集，1/3是测试集，整个iris数据集中有150个数据    loadDataset(r'../data/DTree/irisdata.txt', split, trainingSet, testSet)    # print(trainingSet)    print ('训练集样本数: ' + repr(len(trainingSet)))    print ('测试集样本数: ' + repr(len(testSet)))    #generate predictions    predictions = []    k = 3    for x in range(len(testSet)):        # trainingsettrainingSet[x]        neighbors = getNeighbors(trainingSet, testSet[x], k)        result = getResponse(neighbors)        predictions.append(result)        if result == testSet[x][-1]:            correct = True        else:            correct = False        print ('预测结果：' + repr(result) + ', 实际值=' + repr(testSet[x][-1]) + ',  是否预测正确=' + repr(correct))    accuracy = getAccuracy(testSet, predictions)    #整个测试集预测准确率    print('准确率: ' + repr(accuracy) + '%')if __name__ == '__main__':    main()

输出结果为：

训练集样本数: 109测试集样本数: 41预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-setosa', 实际值='Iris-setosa',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-versicolor',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-versicolor', 实际值='Iris-virginica',  是否预测正确=False预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True预测结果：'Iris-virginica', 实际值='Iris-virginica',  是否预测正确=True准确率: 97.5609756097561%