#!/usr/bin/env?python3
#?-*-?coding:?utf-8?-*-

__author__=‘Kevin?Liao‘

#監督學習算法————k-臨近算法的特點
#優點：精度高、對異常值不敏感、無數據輸入假定
#缺點：計算復雜度高、空間復雜度高，耗時、有時所需樣本量大，無法給出任何數據的基礎結構信息
#適用數據范圍：數值型和標稱型


from?numpy?import?*
import?operator

def?createDataSet（）:
????group?=?array（[[1.01.1][1.01.0][00][00.1]]）
????labels=[‘A‘‘A‘‘B‘‘B‘]
????return?grouplabels

#————————約會網址預測
def?classify0（inXdataSetlabelsk）:
????dataSetSize=dataSet.shape[0]
????#以下三行計算距離
????diffMat=tile（inX?（dataSetSize1））-dataSet
????sqDiffMat=diffMat**2
????sqDistances=sqDiffMat.sum（axis=1）
????distances=sqDistances**0.5
????sortedDistIndicies=distances.argsort（）
????#選擇距離最小的k個點?
????classCount={}
????for?i?in?range（k）:
????????votellabel=labels[sortedDistIndicies[i]]
????????classCount[votellabe