KNN核心算法函數，具體內容如下

#! /usr/bin/env python3# -*- coding: utf-8 -*-# fileName ： KNNdistance.py# author : zoujiameng@aliyun.com.cnimport mathdef getMaxLocate(target): # 查找target中最大值的locate maxValue = float("-inFinIty") for i in range(len(target)):  if maxValue < target[i]:   maxValue = target[i]   flag = i return flagdef KDistance(K, dest, source): destlen = len(dest) source1len = len(source[1]) sourcelen = len(source) KNN = [] locate = source # 準備從source中剔除N-K個最大值 if destlen == source1len:  for i in range(sourcelen):   delta = 0   for j in range(source1len):# 畢達哥拉斯公式    delta += (dest[j] - source[i][j])*(dest[j] - source[i][j])   KNN.append(math.sqrt(delta))  for k in range(sourcelen, K, -1):   flag = getMaxLocate(KNN)   #print("%s 最大元素位置為%d" % (KNN, flag))   KNN.remove(KNN[flag]);   locate.remove(locate[flag])# 移除對應位置的元素   #print(locate)  return locate # 返回最終K個最接近的元素 else:  return None

假設你在伯克利開個小小的面包店,每天都做新鮮面包,需要根據如下一組特征預測當天該烤多少條面包:

a. 天氣指數1~5(1表示天氣很糟,5表示天氣非常好);
b. 是不是周末或節假日(周末或節假日為1,否則為0);
c. 有沒有活動(1表示有,0表示沒有)。

已知

historyA(5, 1, 0) = 300
historyB(3, 1, 1) = 225
historyC(1, 1, 0) = 75
historyD(4, 0, 1) = 200
historyE(4, 0, 0) = 150
historyF(2, 0, 0) = 50

回歸:周末，天氣不錯

Now(4, 1, 0) = ?

#! /usr/bin/env python3# -*- coding: utf-8 -*-# fileName ： KNNdistance.py# author : zoujiameng@aliyun.com.cnif __name__ == "__main__": history = {} history[5, 1, 0] = 300 history[3, 1, 1] = 225 history[1, 1, 0] = 75 history[4, 0, 1] = 200 history[4, 0, 0] = 150 history[2, 0, 0] = 50 dest = [4, 1, 0] source = [] for i in history:  source.append(i) print(source) from KNNdistance import KDistance K = 4 locate = KDistance(K, dest, source) avg = 0 for i in range(len(locate)):  avg+=history[locate[i]] avg/=K print("回歸結果：今天應該烤%d個面包" % round(avg))

KNN算法：