1.K-近邻算法的概述
K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。
2.自制数据集：
根据树的高度、落叶情况、树的叶类。这三个特征值作为判断标准来作样本集合，将样本数据存储在自己编撰的text.txt文本文件中，样本数量总共有30个，截图如下：
算法实现：
k-近邻算法：

点击查看代码 
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet
    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]
将文本记录转换成NumPy:
点击查看代码 
def file2matrix(filename):
    fr = open(""C:/Users/wzj/Desktop/test.txt")
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
 
    index = 0
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('')
        returnMat[index,:] = listFromLine[0:3] 
        classLabelVector.append(int(listFromLine[-1]))
        index+=1
    return returnMat,classLabelVector
使用Matplotli创建3D散点图
点击查看代码 
import matplotlib
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
 
x=returnMat[:,0]
y=returnMat[:,1]
z=returnMat[:,2]
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(x,y,z,c=60.0*array(classLabelVector)+1,s=60.0)
 
plt.show()


归一化特征值

点击查看代码 
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = np.zeros(np.shape(dataSet))
    m = dataSet.shape[0]
    normDataSet = dataSet - np.tile(minVals, (m, 1))
    normDataSet = normDataSet/np.tile(ranges, (m, 1))
    return normDataSet, ranges, minVals
： 测试代码：
点击查看代码 
def datingClassTest():
    hoRatio = 0.60     
    datingDataMat, datingLabels = file2matrix('D:/datingTestSet2.txt')      
    normMat, ranges, minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]
    numTestVecs = int(m*hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)
        print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i]))
        if (classifierResult != datingLabels[i]): errorCount += 1.0
    print("the total error rate is: %f" % (errorCount / float(numTestVecs)))

当K=1时

当K=2时

当K=3时

当K=4时

当K=5时

当K=6时

当K=7时

当K=8时

由此可见当K=3、4、5、6时，错误率最低
这是因为K值的大小不能取太小也不能取过大决定的