knn算法python实现例子

kNN算法是一种常见的分类算法，它的Python实现非常简单。下面是一个用来预测豆瓣电影用户性别的例子：

1.首先，我们需要准备数据集，包括用户的电影评分和性别标签。

2.然后，我们需要将数据集分为训练集和测试集。

3.接下来，我们需要对测试集中的每个样本进行分类，具体步骤如下：

a.计算测试样本与每个训练样本之间的距离。

b.选取距离最近的k个训练样本。

c.根据这k个训练样本的性别标签，预测测试样本的性别。

4.最后，我们需要计算分类的准确率。

下面是一个简单的kNN算法Python实现例子：

import numpy as np
from collections import Counter

def knn(k, train_data, test_data):
    distances = []
    for train in train_data:
        distance = np.sqrt(np.sum((train[:-1] - test_data[:-1]) ** 2))
        distances.append((distance, train[-1]))
    distances.sort()
    top_k = [i[-1] for i in distances[:k]]
    return Counter(top_k).most_common(1)[0][0]

# 测试
train_data = np.array([[1, 2, 1], [2, 1, 1], [3, 4, 2], [4, 3, 2]])
test_data = np.array([3, 2])
print(knn(3, train_data, test_data))