ML in action代码学习/CH02 KNN/约会网站配对效果改进
程序员文章站
2022-06-21 15:33:07
...
from numpy import *
import operator
分类
def classify0(inX,dataSet,labels,k): #用于分类的是inX,用于训练的是dataSet
dataSetSize = dataSet.shape[0] # 获取dataSet矩阵的行数
diffMat =tile(inX,(dataSetSize,1))-dataSet #将行向量inX复制dataSetSize行,求inX与每一个实例之间的距离
sqDiffMat = diffMat**2 #对距离求平方
sqDistance = sqDiffMat.sum(axis=1) # 距离平方和 axis=0列相加 =1行相加
distances = sqDistance**0.5 #开根号
sortedDistIndicies = distances.argsort() #取距离的索引(从小到大)
classCount ={} #生成一个用于存放label及其对应次数的字典
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]] #取前k个距离对应的label
classCount[voteIlabel] =classCount.get(voteIlabel,0)+1 #取label对应的次数,加1。没有时默认取0加1
sortedClassCount =sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
#这里的知识点有:
#dict.iteritems() 返回迭代器,占内存少,但是访问慢 ps:dict.item()返回列表,占内存多,访问快
#operator.itemgetter(item) 返回一个可调用的对象,取操作对象的items
#eg:f = itemgetter(2), call f(r) returns r[2]
#sorted(iterable[, cmp[, key[, reverse]]])
# iterable 是进行排序的list或者iterator
# cmp 是进行比较的函数
# key是取待排序元素的哪一项进行排序
# reverse默认为false升序,true为降序
# https://docs.python.org/2/library/functions.html?highlight=sorted#sorted
return sortedClassCount[0][0]
数据预处理
def file2matrix(filename):
fhand = open(filename)
arrayOfLines = fhand.readlines()
# read() 一次性读取成一个字符串,换行显示表示成\n
# readlines() 一次性读取,按行解析成列表
# readline() 一次读取一行,没有足够内存一次性读取使用
numOfLines = len(arrayOfLines)
returnMat = zeros((numOfLines,3))
# numpy.zeros(shape, dtype=float, order='C') 返回一个新的array ,可以是list,也可以是mmatrix
classLabelVector = []
index = 0
for line in arrayOfLines:
line = line.strip()
listFromLine = line.split("\t") # 有4个元素,前三个是特征,最后一个是target
returnMat[index,:] = listFromLine[0:3]
classLabelVector.append(int(listFromLine[-1])) #用int的原因是元素存储为整形,否则会被python认为是字符串
index += 1
return returnMat,classLabelVector
reload(knn)
datingDataMat,datingLabels = knn.file2matrix("datingTestSet2.txt")
import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure() #新建一个Figure画布对象
ax = fig.add_subplot(111) #将整个画布分成1行1列,在第一个块区域里面生成Axes对象
ax.scatter(xDataSet,yDataSet)
#matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
plt.show()
数据归一化
newValue = (oldValue - minValue)/(max-min)
def autoNorm(dataSet):
minVals = dataSet.min(0) #取每列的最小值,参数为1取行
maxVals = dataSet.max(0) #取每列的最大值
ranges = maxVals - minVals # 区间距离,分母
normDataSet =zeros(shape(dataSet)) #新建一个同dataSet行列的0阵来存放归一化后的矩阵
m = dataSet.shape[0] #取行数
normDataSet = dataSet - tile(minVals,(m,1)) #分子biao'shi'ju'ti'de'zhi'xiang
normDataSet = normDataSet /tile(ranges,(m,1)) #想起来matlab里面./和/的差别。在numpy中,matrix/matrix只表示
return normDataSet,ranges,minVals
reload(knn)
normMat,ranges,minVals = knn.autoNorm(datingDataMat)
测试
def datingClassTest():
hoRatio = 0.10
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')
normMat,ranges,minVals = autoNorm(datingDataMat)
m=normMat.shape[0] # 行数,即样例总数
numTestVecs = int(m*hoRatio) #样例的10%作为测试样例
errorCount=0.0
for i in range(numTestVecs):
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs,:],3)
#测试数据需要随机选择,而数据本身并没有特定的排序,所以可以直接选择前面的10%行来作为测试数据,后面的作为训练集
print "the classifier came back with:%d,the real answer is %d" % (classifierResult,datingLabels[i])
#print 输入带精度数字的用法 print "%d/f" %(variable) %r是万能符
if(classifierResult!=datingLabels[i]):errorCount +=1.0
print "the total error rate is %f" % (errorCount/float(numTestVecs))
预测函数
def classifyPerson():
resultList = ["not at all","in small doses","in large doses"] #结果列表
percenrTats=float(raw_input("percentage of time spent playing video games?")) #输入参数1
ffMiles = float(raw_input("frequent flier miles earned per year")) #输入参数2
iceCream = float(raw_input("liters of ice cream consumed per year")) #输入参数3
datingDataMat,datingLabels = file2matrix("datingTestSet2.txt") #获取训练集,标签
normMat,ranges,minVals = autoNorm(datingDataMat) # 归一化
inArr =array([ffMiles,percenrTats,iceCream]) # 输入参数向量化
classifierResult = classify0((inArr-minVals)/ranges,normMat,datingLabels,3) #分类
print "you will probably like this person:",resultList[classifierResult-1] #输出结果