机器学习 K-近邻算法（一）

使用K-近邻算法改进约会网站的配对效果

我的朋友海伦一直使用在线约会网站寻找适合自己 约会对 。尽管约会网站会推荐不同的人选 但她 没有从中找到喜欢的人。经过一番总结 她发现曾交往过三种类型的人

□不 喜欢的人

□ 魅力一 般的人

□ 极具魅力的人

尽管发现了上 述规律，但海伦依然无法将约会网站推荐的 匹配对象归入 恰当的分类 。

她觉得可以在周一到周五约会那些魅力一般的人，而周末 更喜欢 那些极具魅力的人为伴。海伦希望我们的分 软件可以更好 帮助她将匹配对象分到确切的分类中。此外 伦还收集了一些约会网站未曾记录的数据信息 她认为这些数据更 匹配对 归类。每个样本数据占据 行 总共 1000行。

海伦的样本主要包含以 3种特征：

□ 每年 得的飞行常客 程数

□ 玩视频游戏所耗时间百分比

□ 每周消费的冰淇淋公 数

代码：

from numpy import *
import numpy as np
import operator
from os import listdir
import pandas as pd 
def createDataSet():
    # txt转化为数组
    # labels = ['A','A','B','B']
    group = np.loadtxt('Test.txt',usecols=(0,1,2))  #使用哪列


    # group = array([[0,10],[0,8],[10,0],[7,0]])
    file = pd.read_csv('Test.csv',header=None)
    labels = list(file.iloc[:,3])
    # 相当于有col的这样
    # file = pd.read_csv('TestCOL.csv')
    # labels = list(file['Tables'])

    return group, labels


def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize,1)) - dataSet

    sqDiffMat = diffMat**2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5

    sortedDistIndicies = distances.argsort()

    classCount={}          
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    sortedClassCount = sorted(classCount.items(), key=operator.itemgetter(1), reverse=True)
    # print(sortedClassCount)
    return sortedClassCount[0][0],sortedClassCount[0][1]





def Test_k():
# 测试
    group_test = np.loadtxt('Test.txt',usecols=(0,1,2))
    import random
    for k in range(2,20):#取20组数据进行测试
        max_j=0
        for i in range(30):
            num = random.randrange(1000)
            list_test = group_test[num,:]
            one,two = classify0(list_test,group,labels,k)
            if two/k >= 0.90:
                max_j=max_j+1
        print('k=',k,'      准确率：',max_j/30)

这里，跟前面博客《机器学习 K-近邻算法》不同的是：这里的数据，标签直接从txt,csv文件中读取。

labels = ['A','A','B'