kNN算法  K近邻  简单说就是找出最近的K个点然后找出他们的分类最多的就是本身

from numpy import *  #导入包numpyimport operator      #运算符def createDataSet():   #这个是生成一开始的点以及他们的类型 也可以叫做参照    group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]);    labels=['A','A','B','B'];    return group,labels;def classify(inX,dataSet,labels,k):  #kNN  输入向量  数据集 数据集对应的类型 K个    dataSetSize=dataSet.shape[0];    #算出来有几个点    diffMat=tile(inX,(dataSetSize,1))-dataSet; #用输入的点填满 然后去减掉数据集对应的位子    sqDiffMat=diffMat**2;                      #平方    sqDistances=sqDiffMat.sum(axis=1);         #把每一行加起来    distances=sqDistances**0.5;                #对每一个结果开根号    sortedDisIndicies=distances.argsort();     #排序 返回他们的下标    classCount={};                             #map存类型和数目    for i in range(k):        voteIlabel=labels[sortedDisIndicies[i]];        classCount[voteIlabel]=classCount.get(voteIlabel,0)+1;  #数目增加    sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) #对数目排序 降序    return sortedClassCount[0][0];   #返回值