k-近邻算法（改进约会网站的配对效果）

示例背景：

我的朋友海伦一直使用在线约会网站寻找合适自己的约会对象。尽管约会网站会推荐不同的人选，但她并不是喜欢每一个人。经过一番总结，她发现曾交往过三种类型的人：

（1）不喜欢的人；

（2）魅力一般的人；

（3）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，而周末则更喜欢与那些极具魅力的人为伴。海伦希望我们的分类软件可以更好地帮助她将匹配对象划分到确切的分类中。此外，海伦还收集了一些约会网站未曾记录的数据信息，她认为这些数据更助于匹配对象的归类。

 

准备数据：从文本文件中解析数据

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。海伦的样本主要包括以下3种特征：

1.每年获得的飞行常客里程数；

2.玩视频游戏所耗时间百分比；

3.每周消费的冰淇淋公升数；

在将上述特征数据输入到分类器之前，必须将待处理数据的格式改变为分类器可以接受的格式。在kNN.py中创建名为file2matrix的函数，以此来处理输入格式问题。该函数的输入为文本文件名字符串，输出为训练样本矩阵和类标签向量。

分析数据：使用Matplotlib创建散点图

import matplotlib as mpl
import matplotlib.pyplot as plt
import operator


def file2matrix(filename):  #获取数据
    f = open(filename)
    arrayOLines = f.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = zeros((numberOfLines,3),dtype=float)
    #zeros(shape, dtype, order),创建一个shape大小的全为0矩阵，dtype是数据类型，默认为float，
       #order表示在内存中排列的方式（以C语言或Fortran语言方式排列），默认为C语言排列
    classLabelVector = []
    rowIndex = 0
    for line in arrayOLines:
        line = line.strip()
        listFormLine = line.split('\t')
        returnMat[rowIndex,:] = listFormLine[0:3]
        classLabelVector.append(int(listFormLine[-1]))
        rowIndex += 1
    return returnMat, classLabelVector


if __name__ == "__main__":
    datingDataMat, datingLabels = file2matrix('datingTestSet2.txt')
    fig = plt.figure()  #图
    mpl.rcParams['font.sans-serif'] = ['KaiTi']
    mpl.rcParams['font.serif'] = ['KaiTi']
    plt.xlabel('玩视频游戏所耗时间百分比')
    plt.ylabel('每周消费的冰淇淋公升数')
    '''
    matplotlib.pyplot.ylabel(s, *args, **kwargs)

    override = {
       'fontsize'            : 'small',
       'verticalalignment'   : 'center',
       'horizontalalignment' : 'right',
       'rotation'='vertical' : }
    '''
    ax = fig.add_subplot(111) #将图分成1行1列，当前坐标系位于第1块处（这里总共也就1块）
    ax.scatter(datingDataMat[: ,1], datingDataMat[: ,2],15.0*array(datingLabels), 15.0*array(datingLabels))
    #scatter是用来画散点图的
    # scatter（x,y,s=1,c="g",marker="s",linewidths=0）
    # s:散列点的大小,c:散列点的颜色，marker：形状，linewidths：边框宽度
    plt.show()