【机器学习】实践——使用k近邻算法改进约会网站的配对效果

文章目录

目录

文章目录

背景

一、准备数据

二、分析数据：数据可视化

工具：matplotlib插件

三、 准备数据：数据归一化

四、测试算法：作为完整程序验证分类器

五、使用算法：构建完整可用系统

总结

---

​​​​​​​

---

背景

海伦女士一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的任选，但她并不是喜欢每一个人。经过一番总结，她发现自己交往过的人可以进行如下分类：

• 不喜欢的人
• 魅力一般的人
• 极具魅力的人

    海伦收集约会数据已经有了一段时间，她把这些数据存放在文本文件datingTestSet.txt中，每个样本数据占据一行，总共有1000行。

    datingTestSet.txt数据下载(数据来源于网络)

    海伦收集的样本数据主要包含以下3种特征：

• 每年获得的飞行常客里程数
• 玩视频游戏所消耗时间百分比
• 每周消费的冰淇淋公升数（可能是海伦的个人喜好）

 

一、准备数据

打开txt文本文件，数据格式如图1.1所示。

                                 图1.1             datingTestSet.txt

  在将上述特征数据输入到分类器前，必须将待处理的数据的格式改变为分类器可以接收的格式。将数据分类两部分，即特征矩阵和对应的分类标签向量。在kNN02.py文件中创建名为file2matrix的函数，以此来处理输入格式问题。 将datingTestSet.txt放到与kNN02.py相同目录下，编写代码如下：

import numpy as np
"""
函数说明:打开并解析文件，对数据进行分类：1代表不喜欢,2代表魅力一般,3代表极具魅力
Parameters:
    filename - 文件名
Returns:
    returnMat - 特征矩阵
    classLabelVector - 分类Label向量

"""
def file2matrix(filename):
    #打开文件
    fr = open(filename)
    #读取文件所有内容
    arrayO