《机器学习实战》笔记（三）示例1

最新推荐文章于 2022-07-09 18:54:37 发布

冲鸭！！！！！

最新推荐文章于 2022-07-09 18:54:37 发布

阅读量369

点赞数

分类专栏：《机器学习实战》

本文链接：https://blog.csdn.net/qq_22527013/article/details/81221355

版权

本文介绍了如何运用k-近邻算法改进约会网站的匹配效果。通过解析datingTestSet2.txt文件获取包含飞行里程数、视频游戏耗时和冰淇淋消耗数量的1000条数据，并进行数据预处理，包括归一化。接着，通过datingClassTest()测试算法性能，最后在classifyPerson()函数中实际应用该算法。

摘要由CSDN通过智能技术生成

使用k-近邻算法改进约会网站的配对效果

一、准备数据：从文本中解析

1.数据：datingTestSet2.txt ：一个数据一行，共1000行

三种特征：飞行里程数视频游戏耗时冰淇淋数

2.函数：file2matrix(filename)：

使用：datingDataMat, datingLabels = file2matrix(‘datingTestSet2.txt’)

用于处理文本格式文件的函数，将文本格式的数据变为可用于输入模型的数据

如果不是都放在KNN.py里面或者是在命令提示符里面使用用KNN.file2matrix()

# 文本转矩阵
def file2matrix(filename):
    fr = open(filename)                         # 打开文件
    arrayOLines = fr.readlines()                 # readlines()自动将文件内容分析成一个行的列表，该列表可以由 Python 的 for... in ... 结构进行处理
                                                # read