《机器学习实战》笔记 第二章（2）

2.2 约会网站配对

代码实现

这里原作者给出的数据集的标签不是int，实现代码的时候，出现了问题，给出两种解决方案。以下是书上的源代码

#将约会数据文本记录转化为numpy的解析程序
def file2matrix(filename):
    fr = open(filename)
    arrayOlines = fr.readlines()
    #得到文件的行数
    numberOfLines = len(arrayOlines)
    #创建返回Numpy的矩阵
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
    index = 0
    #解析文件数据到列表
    for line in arrayOlines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat,classLabelVector

解决方案①

替换classLabelVector.append(int(listFromLine[-1]))

#将约会数据文本记录转化为numpy的解析程序
def file2matrix(filename):
    fr = open(filename)
    arrayOlines = fr.readlines()
    #得到文件的行数
    numberOfLines = len(arrayOlines)
    #创建返回Numpy的矩阵
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
    index = 0
    #解析文件数据到列表
    for line in arrayOlines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3]
        if listFromLine[-1] == 'did_not_Like':
            classLabelVector.append(1)
        elif listFromLine[-1] == 'small_Doses':
            classLabelVector.append(2)
        elif listFromLine[-1] == 'large_Doses':
            classLabelVector.append(3)
        index += 1
    return returnMat,classLabelVector

注意，Python2可直接输入reload()
但Python3必须先import importlib导入！
在ipython下

>>>import importlib
>>>importlib.reload(kNN)
>>>datingDataMat, datingLabels = kNN.files2matrix('datingTestSet.txt')

解决方案②

代码同书

#将约会数据文本记录转化为numpy的解析程序
def file2matrix(filename):
    fr = open(filename)
    arrayOlines = fr.readlines()
    #得到文件的行数
    numberOfLines = len(arrayOlines)
    #创建返回Numpy的矩阵
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
    index = 0
    #解析文件数据到列表
    for line in arrayOlines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat,classLabelVector

在ipython下引用把标签格式改为int的datingTestSet2.txt

>>>datingDataMat, datingLabels = kNN.files2matrix('datingTestSet2.txt')

输出datingDataMat和datingLabels

In[1]: datingDataMat
Out[1]: 
array([[4.0920000e+04, 8.3269760e+00, 9.5395200e-01],
       [1.4488000e+04