簡介

K Nearest Neighbor演算法又叫KNN演算法，K最近鄰演算法。K表示距離自己最近的k個數據樣本。
個人覺得重點在距離如何表示，如何計算，是簡單的用距離公式，還是用複雜的加權計算。最後都會輸出
一個距離值。剩下的問題就可以抽象成一個求前K個數據。

程式碼

#include <vector>
#include <iostream>
using namespace std;
void adjust_heap(vector<int> & vec, int length, int i);
void gen_max_heap(vector
 
<int> & vec);
void get_kmax_value(vector<int> &vec, vector<int> &kvec, int k);

int main()
{
    vector<int> vec = { 0, 4, 1, 3, 2, 16, 9, 10, 14, 8, 7 };//第一位不用
    gen_max_heap(vec);
    vector<int> kvec;
    get_kmax_value(vec,kvec, 5);
    for (auto x : kvec)
        cout
 
 << x << endl;
    cin.get();
    return 0;
}
void adjust_heap(vector<int> & vec, int length, int root)
{
    int left    = 2 * i;
    int right   = 2 * i + 1;
    int largest = root;
    while (left < length || right < length)
    {
        if (left < length && vec[left] > vec[largest])
            largest = left;
        if
 
 (right < length && vec[right] > vec[largest])
            largest = right;
        if (i != largest)//繼續調整被影響的子樹
        {
            swap(vec[largest], vec[i]);
            root = largest;
            left    = 2 * root;
            right   = 2 * root + 1;
        }
        else
        {
            break;
        }
    }
}
void gen_max_heap(vector<int> & vec)
{
    int length = vec.size();
    for (auto root = (vec.size() - 1) / 2; root != 0; root--)
    {
        adjust_heap(vec, length, root);
    }
}
void get_kmax_value(vector<int> &vec, vector<int> &kvec, int k)
{
    int length = vec.size();
    for (int i = 0; i != k; ++i)
    {
        kvec.push_back(vec[1]);
        swap(vec[1], vec[length - 1 - i]);
        adjust_heap(vec, length - 1 - i, 1);
    }
}
//請使用支援c++11的編譯器編譯

分析

1. 求前k個數據，常用的方法利用max_heap(大根堆)。
   簡介大根堆，一棵完全二叉樹，每個節點值都大於其子節點的值。
2. 本人程式碼寫的比較渣，在選擇資料結構的時候選擇了vector，在用的時候下標這個點很頭疼。
   父子節點的下標問題：
   2.1 vec[0]元素不用。下標從1開始到n，子節點n，父節點[n/2]對應實現。
   2.2 下標與迴圈變數的選擇。
3. 核心在這個adjust_heap的操作
   如何構建大根堆，首先從最小的子樹開始，本來應該是葉子節點。但是一個節點也沒必要比較。
   那就從一個root和一層孩子的節點子樹開始。這樣的子樹很簡單就可以調整成root值大於孩子節點。
   關鍵是從3層的子樹結構開始。由root和兩個分別已經調整後的2層子樹組成的子樹。若root和兩個孩子
   有所調整，那將影響調整的孩子的子樹，那麼將繼續調整被影響的子樹。無需調整的話，由於兩個孩子也是已經調整好的，所以整個子樹也不需要調整，break即可。