KNN算法初步改进版

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
'''
@author toby
KNN算法：确定K值(通过交叉验证)，找出前K个数(可以优化)，对K个数进行统计，找出统计最多的数。
'''
import math
import random
print 'KNN算法'
k=20
def distance(x1, y1, x2, y2):   #计算距离，距离在多维空间或者特殊情况采取计算距离策略可能不同
    return math.sqrt(math.pow((x1-x2), 2)+math.pow((y1-y2), 2))
def get_middle(start, end, init_data):
    target1=start
    target2=end
    while start<end:
        if(init_data[target1][3]>init_data[target2][3]):
            temp=init_data[target2]
            init_data[target2]=init_data[target1]
            init_data[target1]=temp
            start=start+1
            end=target2
            target1=target2
        else:
            end=end-1;
            target2=end
    return target1
def divide(start, end, init_data):
    if start>=end:
        return
    if end<k:
        return
    elif start>k:
        return
    else:
        middle=get_middle(start, end, init_data)
        divide(start, middle-1, init_data)
        divide(middle+1, end, init_data)

def sort(init_data):    #排序算法根据快速排序算法中中间值左边小于该值，如果该值在大于k则舍弃掉该值后面的数据。如果该值小于k则保留k值左边的数据
    divide(0, len(init_data)-1, init_data)
    return ;
target_x=40
target_y=40
print "目标坐标为:(%s, %s)" % (target_x, target_y)
init_data=[]
for i in range(1, 100):
    x=random.randint(1,100)
    y=random.randint(1,100)
    label_prefix="label"
    init_data.append([label_prefix+str(random.randint(20, 30)), x, y, -1])

for node in init_data: #计算距离
    node[3]=distance(node[1], node[2], target_x, target_y)

sort(init_data)

result_data={}
while k>=0: #统计数据
    k=k-1
    if init_data[k][0] in result_data:
        result_data[init_data[k][0]]=result_data[init_data[k][0]]+1
    else:
        result_data[init_data[k][0]]=1
max=0
for node in result_data:
    if(result_data[node]>max):
        max=result_data[node]
        target_name=node
print target_name+"为target该归属的类"