MachineLearning实战_03KNN实现约会网站预测

KNN实现约会网站预测

• 样本包含3种特征：
  每年获得的飞行常客里程数
  玩视频游戏所耗时间百分比
  每周消费的冰淇淋公升数
• 数据存放在文本文件中

程序包含以下部分

• 从文本文件中解析数据

• 分析数据：使用Matplotlib创建散点图

• 准备数据：归一化数值
  对于新输入的数值，用训练样本的特征值范围对新数据进行归一化

• 测试算法
  通常选取已有数据的10%作为测试集，检测分类器的正确率
  选择错误率来检测分类器性能

• 构建完整的约会网站预测函数

import numpy as np
import operator
from matplotlib import pyplot as plt

def file2matrix(filename):
    """读取文件

    原文件为txt文本格式
    returnMat表示训练样本的特征矩阵
    classLabelVector表示每个训练样本的分类结果
    """
    fr=open(filename)
    arrayOLines=fr.readlines()  #readlines方法读取整个文件所有行，保存在一个列表(list)变量中，每行作为一个元素
    #arrayOLines=['40920\t8.326976\t0.953952\t3\n', '14488\t7.153469\t1.673904\t2\n',....
    numberOfLines=len(arrayOLines) #得到文件行数
    returnMat=np.zeros((numberOfLines,3))
    classLabelVector=[]
    index=0
    for line in arrayOLines:
        #循环一进来的line=40920	8.326976	0.953952	3
        line=line.strip() #截取掉所有的回车字符\n，得到整行数据,最后一个数据隐藏着转义字符\n
        #line=40920	8.326976	0.953952	3
        listFromLine=line.split('\t') #分割成一个元素列表,\t表示水平制表(HT) （跳到下一个TAB位置）
        #listFromLine=['40920', '8.326976', '0.953952', '3']
        returnMat[index,:]=listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1</