接上文,改进约会网站的匹配效果,数据集有四列,分别为:飞行时间,玩游戏时间,冰淇淋消费,是否为感兴趣的约会对象。其中是否为感兴趣的约会对象分为三类:不感兴趣,有点感兴趣和非常感兴趣。
def file2matrix(filename): #读入文本记录
fr = open(filename)
numberOfLines = len(fr.readlines()) #get the number of lines in the file
returnMat = zeros((numberOfLines,3)) #prepare matrix to return
classLabelVector = [] #prepare labels return
fr = open(filename)
index = 0
for line in fr.readlines():
line = line.strip()
listFromLine = line.split('\t')
returnMat[index,:] = listFromLine[0:3]
classLabelVector.append(int(listFromLine[-1]))
index += 1
return returnMat,classLabelVector
len(fr.readlines()) :获取整个文件有多少行
zeros((numberOfLines,3)) :生成一个空的矩阵,内容都是0,这样生成二维矩阵,可以明确有几行几列
returnMat[index,:] :表示对returnMat中第index行所有元素按从头到尾顺序赋值,:前后都省略,表示从编号0项开始直到最后一位
listFromLine[0:3] :实际上是左闭右开区间,包括0但不包括3
.append :是list中不断在末尾增加值的方法
这里主要说明了python中读文件和将文件内容转化为矩阵
def autoNorm(dataSet): #数据归一化
minVals = dataSet.min(0) #取最小值
maxVals = dataSet.max(0) #取最大值
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet)) #建一个和dataSet形状相同的矩阵
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals, (m,1))
normDataSet = normDataSet/tile(ranges, (m,1)) #newValue=(oldValue-min)/(max-min)
return normDataSet, ranges, minVals
normDataSet = zeros(shape(dataSet)) :建一个和dataSet形状相同的矩阵,用0填充
这里的归一化,也是全部用矩阵处理,比起写循环简练很多
def datingClassTest(): #计算准确率
hoRatio = 0.50 #hold out 10%
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #load data setfrom file
normMat, ranges, minVals = autoNorm(datingDataMat) #归一化
m = normMat.shape[0]
numTestVecs = int(m*hoRatio)
errorCount = 0.0
for i in range(numTestVecs):
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i])
if (classifierResult != datingLabels[i]): errorCount += 1.0 #计算预测错误的个数
print "the total error rate is: %f" % (errorCount/float(numTestVecs))
print errorCount