最近在看《机器学习实战》这本书,内容充实,重视实践,很不错,也很适合机器学习的入门。下面贴上用python编写的KNN算法代码,放在博客里安全啊~~我的电脑随时都会崩溃的....
from numpy import *
import operator
from os import listdir
def classify0(inx,dataset,labels,k):
datasetsize=dataset.shape[0]
temp=tile(inx,(datasetsize,1))
distance2=(temp-dataset)**2
distance=sum(distance2,axis=1)**0.5
"""sum(a,axis=0)求每一列上所有数之和,sum(a,axis=1)求每一行上所有数之和"""
sorteddistance=distance.argsort()
classcount={}
for i in range(k):
classlabel=labels[sorteddistance[i]]
classcount[classlabel]=classcount.get(classlabel,0)+1
sortedclasscount=sorted(classcount.items(),key=operator.itemgetter(1),reverse=True)
return sortedclasscount[0][0]
def file2matrix(filename):
with open(filename) as fr:
arrayOLines=fr.readlines()
numberOfLines=len(arrayOLines)
returnMat=zeros((numberOfLines,3))
classLabelVector=[]
index=0
for each_line in arrayOLines:
listFromLine=each_line.strip().split('\t')
returnMat[index]=listFromLine[0:3]
classLabelVector.append(int(listFromLine[3]))
#classLabelVector[index]=listFromLine[3]
index+=1
return returnMat,classLabelVector
def autoNorm(dataSet):
minVals=dataSet.min(0)
maxVals=dataSet.max(0)
ranges=maxVals-minVals
normDataSet=zeros(shape(dataSet))
m=dataSet.shape[0]
normDataSet=dataSet-tile(minVals,(m,1))
normDataSet=normDataSet/tile(ranges,(m,1))
return normDataSet,ranges,minVals
def datingClassTest():
testratio=0.2
datingDataMat,datinglabels=file2matrix('datingTestSet2.txt')
normDataSet,ranges,minVals=autoNorm(datingDataMat)
m=normDataSet.shape[0]
textnum=int(m*testratio)
errorcount=0
for i in range(textnum):
classifierResult=classify0(normDataSet[i,:],normDataSet[textnum:m,:],datinglabels[textnum:m],3)
print("分类器返回的结果为:%d,正确答案是:%d"%(classifierResult,datinglabels[i]))
if classifierResult != datinglabels[i]:
errorcount+=1
print("卧槽,错了*********************************************************************************************")
print("总错误率是:%f"%(errorcount/float(textnum)))
def classifyPerson():
result=['不感兴趣','一般有魅力','很有魅力']
datingDataMat,datinglabels=file2matrix('datingTestSet2.txt')
normDataSet,ranges,minVals=autoNorm(datingDataMat)
miles=float(input('每年获得的飞机常客里程数:'))
games=float(input('玩视频游戏所耗时间百分比:'))
icecream=float(input('每周消耗的冰淇淋公升数:'))
textData=array([miles,games,icecream])
classifierResult=classify0((textData-minVals)/ranges,normDataSet,datinglabels,3)
return result[classifierResult-1]
def img2vector(filename):
returnVect = zeros((1,1024))
fr = open(filename)
for i in range(32):
lineStr = fr.readline()
for j in range(32):
returnVect[0,32*i+j] = int(lineStr[j])
return returnVect
def handwritingClassTest():
hwLabels=[]
trainingFileList=listdir('trainingDigits')
m=len(trainingFileList)
trainingMat=zeros((m,1024))
for i in range(m):
fileNameStr = trainingFileList[i]
fileStr=fileNameStr.split('.')[0]
classnumberstr=int(fileStr.split('_')[0])
hwLabels.append(classnumberstr)
trainingMat[i,:]=img2vector('trainingDigits/%s'%trainingFileList[i])
testFileList=listdir('testDigits')
errorcount=0.0
mTest=len(testFileList)
for j in range(mTest):
fileNameStr=testFileList[j]
fileStr=fileNameStr.split('.')[0]
classnumberstr=int(fileStr.split('_')[0])
vectorundertest=img2vector('testDigits/%s'%testFileList[j])
result=classify0(vectorundertest,trainingMat,hwLabels,3)
print('分类器输出结果是:%d,正确结果为:%d'%(result,classnumberstr))
if result!=classnumberstr:
errorcount+=1
print('一共错了:%d'%errorcount)
print('错误率:%f'%(errorcount/mTest))
def testnum():
hwLabels=[]
trainingFileList=listdir('trainingDigits')
m=len(trainingFileList)
trainingMat=zeros((m,1024))
for i in range(m):
fileNameStr = trainingFileList[i]
fileStr=fileNameStr.split('.')[0]
classnumberstr=int(fileStr.split('_')[0])
hwLabels.append(classnumberstr)
trainingMat[i,:]=img2vector('trainingDigits/%s'%trainingFileList[i])
testvector=img2vector('test.txt')
result=classify0(testvector,trainingMat,hwLabels,3)
return(result)
在编程期间,有一个错误困惑了我很长时间,就是在载入KNN.py文件后,运行handwritingClassTest函数的时候,总会出现如下错误:
问题出在open()函数的flags参数上。可是问题是我们平常使用open()函数的时候基本就没有用到什么所谓的flags参数有木有!!!
后来我觉得可能是import这里出现了问题,然后我发现了我写的一个语句:
from os import *
应该就是这句话有问题,因为查资料可以得到,那个所谓的flags参数是与os库有关的,至此我更加坚信了自己的判断。
为什么我当初要写 from os import * 这句话呢?因为我要用到os库里面的listdir函数,这个函数可以返回一个文件夹里面所有文件的文件名。
我将 from os import * 改为from os import listdir 问题解决。
所以这么看来,from os import *这种形式虽然方便,但是确实存在一定的风险啊~~~