KNN算法是k-Nearest Neighbor Classification的简称，也就是k近邻分类算法。 基本思路 是在特征空间中查找k个最相似或者距离最近的样本，然后根据k个最相似的样本对未知样本进行分类。 基本步骤 为：

（1）计算已知样本空间中所有点与未知样本的距离；

（2）对所有距离按升序排列；

（3）确定并选取与未知样本距离最小的k个样本或点；

（4）统计选取的k个点所属类别的出现频率；

（5）把出现频率最高的类别作为预测结果，即未知样本所属类别。

下面的代码模拟了上面的算法思路和步骤，以身高+体重对肥胖程度进行分类为例，采用欧几里得距离。

from collections import Counter import numpy as np

# 已知样本数据 # 每行数据分别为性别,身高,体重 knownData = ((1, 180, 85), (1, 180, 86), (1, 180, 90), (1, 180, 100), (1, 185, 120), (1, 175, 80), (1, 175, 60), (1, 170, 60),

(1, 175, 90), (1, 175, 100), (1, 185, 90), (1, 185, 80))

knownTarget = ('稍胖', '稍胖', '稍胖', '过胖', '太胖', '正常', '偏瘦', '正常', '过胖', '太胖', '正常', '偏瘦')

def KNNPredict(current, knownData=knownData, knownTarget=knownTarget, k=3): # current为未知样本，格式为(性别,身高,体重) data = dict(zip(knownData, knownTarget)) # 如果未知样本与某个已知样本精确匹配，直接返回结果 if current in data.keys(): return data[current] # 按性别过滤，只考虑current性别一样的样本数据 g = lambda item:item[0][0]==current[0] samples = list(filter(g, data.items())) g = lambda item:((item[0][1]-current[1])**2+\ (item[0][2]-current[2])**2)**0.5 distances = sorted(samples, key=g) # 选取距离最小的前k个 distances = (item[1] for item in distances[:k]) # 计算选取的k个样本所属类别的出现频率 # 选择频率最高的类别作为结果 return Counter(distances).most_common(1)[0][0]

unKnownData = [(1, 180, 70), (1, 160, 90), (1, 170, 85)] for current in unKnownData: print(current, ':', KNNPredict(current))

运行结果为：

(1, 180, 70) : 偏瘦 (1, 160, 90) : 过胖 (1, 170, 85) : 正常

下面的代码使用扩展库sklearn中的k近邻分类算法处理了同样的问题：

# 使用sklearn库的k近邻分类模型 from sklearn.neighbors import KNeighborsClassifier

# 创建并训练模型 clf = KNeighborsClassifier(n_neighbors=3, weights='distance') clf.fit(knownData, knownTarget)

# 分类