工作原理：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分类，作为新数据的分类。

# -*- coding: utf-8 -*-# 导入了两个模块，第一个是科学计算包Numpy，第二个是运算符模块,K近邻算法执行排序操作时将使用这个模块提供的函数from numpy import *import operator"""    创建数据集和标签"""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"""    四个输入参数：用于分类的输入向量是inX，输入的训练样本集为dataSet，标签向量labels，                  最后的参数k表示用于选择最近邻居的数目，其中标签向量的元素数目和矩阵                  dataSet的行数相同"""def classify0(inX, dataSet, labels, k):    #计算距离    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 = {}    #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    #使用程序operator模块的itemgetter方法，按照第二个元素的次序对元组进行排序，此处的排序为逆序，即按照从大到小的次序，最后返回发生频率最高的元素标签    sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse = True)    return sortedClassCount[0][0]dataSet, labels = createDataSet()testPoint = [0, 0]print classify0(testPoint, dataSet, labels, 3)

 

　　分类器并不会得到百分百正确的结果，我们可以使用多种方法检测分类器的正确率。此外分类器的性能也会受到很多因素的影响，例如分类器设置和数据集等。用测试集去测试分类器的错误率，错误率即是分类器给出错误结果的次数除以测试执行的总数。完美的分类器的错误率为0，最差分类器的错误率为1.0。