机器学习实战（代码部分）-- k近邻算法（Ⅳ 分类器针对约会网站的测试代码）

2-4 分类器针对约会网站的测试代码

1. 算法思想

给一个测试数据个数在总数据m个中的比例，可以得到测试样本的个数n。假定前n个为测试集，则后m-n个为训练集进行计算。

2. 函数实现

# 测试数据集
def datingClassTest():
    testRadio = 0.10  # 使用数据集的10%进行测试
    datingDataMat, datingLabels = fileToMatrix('1.txt', 3)
    normMat, ranges, minVals = autoNorm(datingDataMat)
    # 样本个数
    m = normMat.shape[0]
    # 测试样本个数
    numTestVecs = int(testRadio * m)
    errorCount = 0.0

    # 假设前numTestVecs个数据作为被测数据集，后m-numTestVecs数据作为训练集
    for i in range(numTestVecs):
        classifierResult = classifyByKnn(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)
        print('The classifier came back with : %d, the real answer is : %d' % (classifierResult, datingLabels[i]))
        if classifierResult != datingLabels[i]:
            errorCount += 1.0

    print('The total error rate is : %f' % (errorC