机器学习实战-KNN算法实现及遇到的问题总结

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~~~