机器学习--KNN算法带你光棍节脱单

KNN算法上一篇已经进行过介绍，现在主要进行实际操作，通过对实际数据进行分析，来对没有见过面的美女帅哥进行要不要进行约会作出判断。

以下有一系列采集整理好的数据，第一列表示每年乘坐飞机飞行的里程数（高富帅，白富美比较偏向坐飞机，我们这种屌丝就坐坐火车啦），第二列表示每年吃冰淇淋的公升数，第三列表示玩游戏时间占的百分比（喜欢玩游戏的注意了哈，小心找不到白富美），第四列主要表示要不要约会的程度，数值越大，诱惑力越大。

此次参考《Mechine Learning in Action》这本书，本次实验的数据可以从链接：http://pan.baidu.com/s/1hr9M4Wc 密码：3g3z进行下载。

思路：

1.先读取已经准备好的数据。

2.对已经读取的数据进行转换，前三列组成一个矩阵A，后一列单独组成一个标签列表。

3.对待测数据进行操作，生成一个与矩阵A维度一致的矩阵B。

4.计算矩阵B减去矩阵A之后的差值，然后进行计算，计算出他们之间的距离（待测数据点与原来所有数据点之间的距离）。

5.对距离进行从小到大的排序。

6.取排序后的前n个数值。

7.对前n个数值对应的标签进行统计，谁的占有比重大，就选取为实验的最终结果。

Python实现：

from numpy import *
import operator


data = open("datingTestSet2.txt")
lines = data.readlines()
size = lines.__len__()
print "Size : ", size
dataMat = zeros((size,3))
classLabelVector = []
index = 0
for line in lines :
    line = line.strip()
    listFromLine = line.split("\t")
    dataMat[index, :] = listFromLine[0:3]
    classLabelVector.append(int(listFromLine[-1]))
    index += 1
print classLabelVector
print dataMat

test = [40920, 8.326976, 0.953952]
testMat = tile(test, (size,1))
distancesMat = testMat - dataMat
sqDifffMat = distancesMat**2
sqDistances = sqDifffMat.sum(axis=1)
distances = sqDistances**0.5
sortedNum = distances.argsort()
result = {}
for i in range(10):
    result[classLabelVector[sortedNum[i]]] = result.get(classLabelVector[sortedNum[i]], 0) + 1
sortedResult = sorted(result.iteritems(), key=operator.itemgetter(1), reverse=True)
print sortedResult
if sortedResult[0][0] == 3:
    print "Certainly go"
elif sortedResult[0][0] == 2:
    print "Casual"
else :
    print "Don't go"