机器学习之爱情动作片（k值法）

前言

在胡乱看了几本书以后，终于开始进行实战，搜了几个实战例子，终于看到一个适合我的。这次的任务要求很简单，就是区分爱情片和动作片，不过电脑没有人脑那么丰富多彩，人只需要大致看一看就可以分别，但是电脑要给数据让他学习。

假设

我们需要的数据有只有两个，就是一部电影的打斗动作数量和爱情动作数量，对于动作电影来说，打斗动作明显是多于爱情动作的，反之则相反。用一个二维数组来表示（如图）。

思路

那我们用什么办法来量化这个标准呢，一个明显的比较算法也可以勉勉强强做出来，但是就不是机器学习了，所以当然得用k值法，用距离当作评判标准，这样就可以求出前k个相近的点对应的坐标是什么电影，那么这部电影就属于哪种类型电影

开搞

inX 为测试数据
dataSst 为训练数据动作数量
labels 为训练数据对应的类型
k 为k值标准，表示前k项作为参考

代码

import numpy as np
import operator
#创建数据
def CreatData():
    group = np.array([[1,101],[5,89],[102,1],[89,4]])
    labels = ['爱情片','爱情片','动作片','动作片']
    return group,labels
    
def classify(inX,dataSet,labels,k):
	#numpy中*.shape[0]为*类型的行数
    dataSetSize = dataSet.shape[0]
    #创建一个格式和dataSet的数组相减
    diffMat = np.tile(inX,(dataSetSize,1)) - dataSet
    #**为开方
    sqDiffMat = diffMat**2
    #.sum(1)为行求和，0为列求和
    sqDistances = sqDiffMat.sum(1)
    Distances = sqDistances**0.5
    #对每个位置数据排序
    #如[99，19，44，106]
    #输出[2，1，0，3]
    sortedDistIndices = Distances.argsort()
#    print(sortedDistIndices)
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndices[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    print(classCount)   
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]
    
if __name__=='__main__':
    group,labels = CreatData()
    text = [99,19]
    text_class = classify(text,group,labels,2)
    print(text_class)
#    print(labels)