以下为我搜索后结合自己的想法编写,如有侵权,可联系我核实后删除(恕我小白一只~)
(一)
python基础:
numpy:
1、shape函数是numpy.core.fromnumeric中的函数,它的功能是读取矩阵的长度,比如shape[0]就是读取矩阵第一维度的长度。它的输入参数可以使一个整数表示维度,也可以是一个矩阵。
2、tile函数位于python模块 numpy.lib.shape_base中,他的功能是重复某个数组。比如tile(A,n),功能是将数组A重复n次,构成一个新的数组,具体有:
得到一个数组![]
得到一个一维数组![]
得到一个二维数组![]
注意和
matrix([[0,1,2],
[0,1,2]])区分,虽然它们形式上看上去是一致的
3、1. Python 自己的sum()
输入的参数首先是[],输入的是数组
>>> sum([0,1,2])
3
>>> sum([0,1,2],3)
6
>>> sum([0,1,2],[3,2,1])
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: can only concatenate list (not "int") to list
2.python的 numpy当中
现在对于数据的处理更多的还是numpy。没有axis参数表示全部相加,axis=0表示按列相加,axis=1表示按照行的方向相加
这里面输入的可以是矩阵
>>> import numpy as np
>>> a=np.sum([[0,1,2],[2,1,3]])
>>> a
9
>>> a.shape
()
>>> a=np.sum([[0,1,2],[2,1,3]],axis=0)
>>> a
array([2, 2, 5])
>>> a.shape
(3,)
>>> a=np.sum([[0,1,2],[2,1,3]],axis=1)
>>> a
array([3, 6])
>>> a.shape
(2,)
4、argsort()的用法:
[4,5,1]中,‘4’的索引是0,‘5’的索引是1,‘1’的索引是2。
从小到大排列,就是1、4、5,对应索引就是2、0、1(0是指list【4,5,1】中的第0个数,我才开始还以为是系统中的4对应的是0,憋笑俺>﹏<)
PS:argsort函数返回的是:数组值从小到大的索引值
5、列表、元组、字典的区别及使用:
(1)列表
(2)元组
(3)字典
6、range()函数:
>>> range(1,5) #代表从1到5(不包含5)
[1, 2, 3, 4]
>>> range(1,5,2) #代表从1到5,间隔2(不包含5)
[1, 3]
>>> range(5) #代表从0到5(不包含5)
[0, 1, 2, 3, 4]
简单的KNN算法:
def classify0(inX,dataSet,labels,k):
dataSetSize = dataSet.shape[0]
diffMat = tile(inX,(dataSetSize,1)) - dataSet
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1)
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort()#得到测试集和样本集的从小到大的距离
classCount = {}
#print(distances)
#print(0 , sortedDistIndicies)
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
#print(1 , voteIlabel)
classCount[voteIlabel] = classCount.get(voteIlabel,0)+1#搜索字典classCount中的voteIlabel,如果存在则加1,不存在则创建
#print(2 ,classCount)
sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
print(sortedDistIndicies)
return sortedClassCount[0][0]
(二)
python基础:
1、zeros()
>>> np.zeros(5)
array([ 0., 0., 0., 0., 0.])
>>> np.zeros((5,), dtype=np.int)
array([0, 0, 0, 0, 0])
>>> np.zeros((2, 1))
array([[ 0.],
[ 0.]])
>>> s = (2,2)
>>> np.zeros(s)
array([[ 0., 0.],
[ 0., 0.]])
>>> np.zeros((2,), dtype=[('x', 'i4'), ('y', 'i4')]) # custom dtype
array([(0, 0), (0, 0)],
dtype=[('x', '<i4'), ('y', '<i4')])
2、strip():
Python strip() 方法用于移除字符串头尾指定的字符(默认为空格)。
3、list
从所给文本中解析数据
def file2matrix(filename):
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]#将listFormLine的前三行复制给returnMat的第indeX行
classLabelVector.append(listFromLine[-1])#存储所给数据的最后一行
index += 1
n = 0
for element in classLabelVector:
if element == "largeDoses":
classLabelVector[n] = 3;
n += 1
if element == "smallDoses":
classLabelVector[n] = 2;
n += 1
if element == "didntLike":
classLabelVector[n] = 1;
n += 1
return returnMat,classLabelVector
#Test:
import matplotlib.pyplot as plt
from numpy import array
import CreateDateSet
datingDataMat,datingLabels=CreateDateSet.file2matrix('datingTestSet.txt')
# print(datingDataMat)
fig =plt.figure()
ax = fig.add_subplot(111)
# print(datingDataMat[:,1])
# print(datingDataMat[:,2])
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*array(datingLabels),15.0*array(datingLabels))
plt.show()
(三)
from numpy import *
"""归一化数值"""
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals - minVals
# normDataSet = zeros(shape(dataSet))#书上多余的代码,但有助于理解算法
m = dataSet.shape[0]
normDataSet = dataSet - tile(minVals, (m,1))#为归一化做准备
normDataSet = normDataSet/tile(ranges, (m,1)) #element wise divide,归一化
return normDataSet, ranges, minVals
(四)留出法测试算法和数据集
from CreateDateSet import file2matrix
from HandleDate import autoNorm
from kNN import classify0
hoRatio = 0.10 #hold out 10%,留出法,用10%作为测试集
datingDataMat,datingLabels = file2matrix('datingTestSet.txt') #load data setfrom file
normMat, ranges, minVals = autoNorm(datingDataMat)#归一化
m = normMat.shape[0]
numTestVecs = int(m*hoRatio)#得到的100个测试集
errorCount = 0.0
for i in range(numTestVecs):#从第一个到第100个
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)#使用knn算法分类
print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i]))#得到结果
if (classifierResult != datingLabels[i]): errorCount += 1.0
print('the total error rate is: %f' % (errorCount / float(numTestVecs)))
print(errorCount)