【机器学习实战-kNN：约会网站约友分类】python3实现-书本知识【2】

说明： 本文内容为【Peter Harrington -机器学习实战】一书的学习总结笔记。

前文：

【机器学习实战-kNN(k-近邻)】python3实现-书本知识【1】

功能描述：

约会网站约友分类功能：用户输入关注的待约会对象特征信息，程序自动判别该待约会对象属于哪类约会对象，以帮助用户做出是否要与对方约会的决定。

python实例：

如何分类？对用户输入的待约会对象的特征输入集按以下步骤进行分类：

1. 分析训练集数据(较前文新增项)
2. 计算未知分类数据与已知分类数据（训练集）中各个点(一条训练集数据)之间的距离；
3. 按照距离递增排序数据；
4. 选取当前距离最小的k（k可自定义）个点；
5. 确定前k个点中各个分类数据的概率；
6. 返回k个点中概率最高的第一个元素index=0的数据作为分类判定数据，进行返回。

一、获取数据

备注：脚本中涉及数据均为《机器学习实战》一书示例数据，数据在网上均可找到。

   

读取文件分别获取特征及分类数据，需要引入from numpy import * ：

# 【1】获取数据
def init_data():
    # 打开训练集文件
    f = open(r"F:\Python\data\kNN\datingTestSet2.txt", "r")
    rows = f.readlines()
    lines_number = len(rows)
    return_mat = zeros((lines_number, 3))  # lines_number行 3列
    class_label_vec = []
    index = 0
    for row in [value.split("\t") for value in rows]:
        return_mat[index, :] = row[0:3]  # 取row前三列
        class_label_vec.append(int(row[-1]))  # row[-1]取列表最后一列数据
        index += 1
    # 关闭打开的文件
    f.close()
    return return_mat, class_label_vec

前三列为数据特征：年飞行常客里程数、玩视频耗时百分比、周消耗冰激凌公升数；

最后一列为用户对约会对象的已知分类：1 'not at all', 2 'in sma