机器学习实战（1）--KNN --约会网站



示例：在约会网站上使用k近邻算法

(1)收集数据：提供文本文件。

(2)准备数据: 使用python解析文本文件。

(3)分析数据：使用Matplotlib画二维扩散图。

(4)训练算法：此步驟不适用于k近邻算法。

(5)测试算法：使用海伦提供的部分数据作为测试样本。

测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。

(6)使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型。

准备数据：从文本文件中解析数据

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import numpy as np
import operator
from openpyxl.chart.label import DataLabel

def file2matrix(filename):
    #打开文件
    fr = open(filename)
    #读取文件所有内容
    arrayOfLines = fr.readlines()
    #文件行数
    numberOfLines = len(arrayOfLines)
    #创建特征矩阵
    returnMat = np.zeros((numberOfLines,3))
    #创建标签数组
    classLabelVector = []
    index = 0
    for line in arrayOfLines:
        #移除字符串头尾空格
        line = line.strip()
        #按'\t'切片
        listFromLine = line.split('\t')
        #把特征存放到特征矩阵中
        returnMat[index,:] = listFromLine[0:3]
        #标签分类并存放到标签数组
        if listFromLine[-1] == 'didntLike':
            classLabelVector.append(1)
        elif listFromLine[-1] == 'smallDoses':
            classLabelVector.append(2)
        elif listFromLine[-1] == 'largeDoses':
            classLabelVector.append(3)
        index += 1
    return returnMat, classLabelVector

if __name__=='__main__':
    dataMat, DataLabel = file2matrix('datingTestSet.txt')
    print(dataMat)
    print(DataLabel)
    

分析数据：使用使用Matplotlib画二维扩散图

#!/usr/bin/python
# -*- coding: UTF-8 -*-

import numpy as np
import operator
from openpyxl.chart.label import DataLabel
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
from IPython.core.pylabtools import figsize

def file2matrix(filename):
    #打开文件
    fr = open(filename)
    #读取文件所有内容
    arrayOfLines = fr.readlines()
    #文件行数
    numberOfLines = len(arrayOfLines)
    #创建特征矩阵
    returnMat = np.zeros((numberOfLines,3))
    #创建标签数组
    classLabelVector = []
    index = 0
    for line in arrayOfLines:
        #移除字符串头尾空格
        line = line.strip()
        #按'\t'切片
        listFromLine = line.split('\t')
        #把特征存放到特征矩阵中
        returnMat[index,:] = listFromLine[0:3]
        #标签分类并存放到标签数组
        if listFromLine[-1] == 'didntLike':
            classLabelVector.append(1)
        elif listFromLine[-1] == 'smallDoses':
            classLabelVector.append(2)
        elif listFromLine[-1] == 'largeDoses':
            classLabelVector.append(3)
        index += 1
    return returnMat, classLabelVector

def showDatas(dataMat, dataLabel):
    #把画布分成4块，即2行2列，并设置画布大小
    fig, axs = plt.subplots(nrows=2, ncols=2,figsize=(12,8))
    #用matplotlib画图后，如果要添加汉字标签，比如设置汉字格式
    font = FontProperties(fname=r"c:\Windows\Fonts\simsun