本文共 1591 字，大约阅读时间需要 5 分钟。

机器学习实战、第二章KNN算法详解、AttributeError: ‘dict’ object has no attribute ‘iteritems’

• python3.5后代码存在问题AttributeError: ‘dict’ object has no attribute ‘iteritems’
  

原因：Python3.5中：iteritems变为items。

• KNN算法详细的代码及注释：

from numpy import *import operatordef creatDataSet():    #可以看做4行一列的二维数组    group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])    labels = ['A','A','B','B']    return group,labelsgroup,labels=creatDataSet()#inx是待分类的数据，dataSet是上面的group，lables是上面的，K自己设定的值def classify0(inx,dataSet,labels,k):    # 有多少组数据,上面的group中有4组    dataSetSize = dataSet.shape[0]    #用tile将inx复制4个一模一样的，然后减去dataset，相当于见(x1，y1)与(x2,y2)做差    diffMat = tile(inx,(dataSetSize,1))-dataSet    #上面的一行是进行了做差，这行是进行做差后的平方    sqDiffMat= diffMat**2    # axis=1是列相加，，得到了(x1-x2)^2+(y1-y2)^2    sqDistance=sqDiffMat.sum(axis=1)    #用的是欧式距离，然后进行开根号    distance=sqDistance**0.5    #argsort是排序，将元素按照由小到大的顺序返回下标，比如([3,1,2]),它返回的就是([1,2,0])    sortedDistIndicies=distance.argsort()    classCount={}    for i in range(k):        #依次取前K个的标签        voteIlable = labels[sortedDistIndicies[i]]        # get是取字典里的元素，如果之前这个voteIlabel是有的，那么就返回字典里这个voteIlabel里的值，        # 如果没有就返回0（后面写的），这行代码的意思就是算离目标点距离最近的k个点的类别，这个点是哪个类别哪个类别就加1        classCount[voteIlable] = classCount.get(voteIlable,0)+1    # key=operator.itemgetter(1)的意思是按照字典里的第一个排序，{A:1,B:2},要按照第1个（AB是第0个），    # 即‘1’‘2’排序。reverse=True是降序排序    sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)    #返回K值最大的预测标签    return sortedClassCount[0][0]print(classify0([0,0],group,labels,3))

算法运行结果（因为输入[0,0],k取3，所以前3个中有两个B一个A，取最多的，所以结果就是B）：

转载地址：http://hvgji.baihongyu.com/