机器学习实战笔记四_Python3

程序清单2-3，归一化特征值

newValue = (oldValue -min)/(max - min)

该程序没什么难点，主要是公式的矩阵化处理，先上伪代码：

[python]  view plain  copy

1. def autoNorm(dataSet):  
2.     #得到每一列的max，min  
3.     minVals = dataSet.min(0)  
4.     maxVals = dataSet.max(0)  
5.     ranges = maxVals - minVals  
6.     #initiate a zero-matrix like dataSet's shape  
7.     normDataSet = zeros(shape(dataSet))  
8.     #get the num of row in dataSet  
9.     m = dataSet.shape[0]  
10.     #init a matrix of minvals that the same rows to the dataSet, 从而使当前数据矩阵中的每个数减去最小值  
11.     normDataSet = dataSet - tile(minVals, (m,1))        #tile(matrixlike,A) :init a matrix when the shape is same to A  
12.                                                         #meanwhile, if A is a number, the matrix is A*1, if A is (m,n),the matrix  
13.                                                         #is m*n matrix  
14.     normDataSet = normDataSet/tile(ranges, (m,1))      #element wise divide  
15.     return normDataSet, ranges, minVals  

完整代码：

[python]  view plain  copy

1. #批量注释、批量取消注释 Ctrl+/  
2. # from __future__ import print_function  
3. from  numpy import *  
4. import operator#运算符模块  
5. import matplotlib.pyplot as plt  
6. def createDataSet():  
7.     group = array([[1.0,1.1],[1.0,1.0],[0,0],[0, 0.1]])  
8.     labels = ['A','A','B','B']  
9.     return group,labels  
10.   
11. group,labels=createDataSet()  
12.   
13. def classify0(inX, dataSet, labels, k): #inX: 待测试数据 ;  dataSet: 训练样本集  
14.     dataSetSize = dataSet.shape[0]      #to get the rows of the matrix  
15.     # to get the Xi-Yi of the dataSet  
16.     diffMat = tile(inX, (dataSetSize,1)) - dataSet      #a=[1 2],b=[2 3];tile(a,b) to generate 2*3 matrix when  
17.                                                         #the element all is a [1 2]  
18.     sqDiffMat = diffMat**2  
19.     sqDistances = sqDiffMat.sum(axis=1)         #使每行的元素相加，得到测试样本与各训练样本distance**2  
20.                                                 #axis=0，按列相加；axis=1，按行相加；  
21.     distances = sqDistances**0.5  
22.     sortedDistIndicies = distances.argsort()    #将distance中的元素从小到大排列，  
23.                                                 # 提取其对应的index(索引)，然后输出到 sortedDistIndicies  
24.    #声明一个dict：{key:value1,key2:value2}  
25.     classCount={}  
26.     for i in range(k):  
27.         voteIlabel = labels[sortedDistIndicies[i]]  
28.         #classCount= {'B': 2, 'A': 1}，初始化后，classCount每得到一个相同的voteIlabel，就+1  
29.         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1       #当我们获取字典里的值的时候，一个是通过  
30.                                                                         # 键值对，即dict['key'],另一个就是dict.get()方法  
31.                                                                         # dict.get(voteIlabel,0) = 0, 此处0 to be initiated,  
32.                                                                         #  之后就没有作用了。  
33.     #items方法是可以将字典中的所有项，以列表方式返回。 iteritems方法与items方法相比作用大致相同，只是它的返回值不是列表，而是一个迭代器  
34.     #Python3 中没有iteritems函数，需要用values()代替，并用list转为列表  
35.     # sortedClassCount = sorted((key_label, value_num), key=operator.itemgetter(1), reverse=True)  
36.     #python3中无法使用iteritems，需要对上面这句话改造，我们通过得到两个list，得到出现频率最高的label  
37.     key_label=list(classCount.keys())  
38.     value_num=list(classCount.values())  
39.     #label出现频率由小到大排列，并返回索引index  
40.     sortedvalue_num_indicies = argsort(value_num)  
41.     #返回频率最大的label  
42.     return key_label[len(sortedvalue_num_indicies)-1]  
43.   
44. # group,labels = createDataSet()  
45. # a=classify0([0,0], group,labels,3)  
46. # print(a)  
47.   
48. def file2matrix(filename):  
49.     #open a file, default: 'r'ead  
50.     fr = open(filename)  
51.     #一次读取所有行  
52.     arrayOLines = fr.readlines()  
53.     #得到行数  
54.     numberOfLines = len(arrayOLines)  
55.     #1000*3 zeros matrix,row-1000, column-3  
56.     returnMat = zeros((numberOfLines,3))  
57.     #声明  
58.     classLabelVector = []  
59.     classLabelVector_Value = []  
60.     index = 0  
61.     #逐行扫描  
62.     for line in arrayOLines:  
63.         #strip函数会删除头和尾的字符，中间的不会删除  
64.         line = line.strip()  
65.         #删除‘\t’字符，仅剩下数据，供使用  
66.         listFromLine = line.split('\t')  
67.         #得到前三列数据，即飞行时间，游戏，冰激凌  
68.         returnMat[index, :] = listFromLine[0:3]  
69.         #得到largeDoses，smallDoses，didntLike的label  
70.         classLabelVector.append(listFromLine[-1])      #无法将largeDoses，smallDoses，didntLike  
71.                                                        #转换为int。基于这个思想，我们在这里将得到的行矩阵建立  
72.                                                        #一个数值矩阵与之对应，暂时这样处理，不合适再继续修改  
73.         if classLabelVector[index] == 'largeDoses':  
74.             classLabelVector_Value.append(3)  
75.         elif classLabelVector[index] == 'smallDoses':  
76.             classLabelVector_Value.append(2)  
77.         else:  
78.             classLabelVector_Value.append(1)  
79.         index += 1  
80.     return returnMat, classLabelVector_Value  
81.   
82. def autoNorm(dataSet):  
83.     #得到每一列的max，min  
84.     minVals = dataSet.min(0)  
85.     maxVals = dataSet.max(0)  
86.     ranges = maxVals - minVals  
87.     #initiate a zero-matrix like dataSet's shape  
88.     normDataSet = zeros(shape(dataSet))  
89.     #get the num of row in dataSet  
90.     m = dataSet.shape[0]  
91.     #init a matrix of minvals that the same rows to the dataSet, 从而使当前数据矩阵中的每个数减去最小值  
92.     normDataSet = dataSet - tile(minVals, (m,1))        #tile(matrixlike,A) :init a matrix when the shape is same to A  
93.                                                         #meanwhile, if A is a number, the matrix is A*1, if A is (m,n),the matrix  
94.                                                         #is m*n matrix  
95.     normDataSet = normDataSet/tile(ranges, (m,1))      #element wise divide  
96.     return normDataSet, ranges, minVals  

程序验证：

[python]  view plain  copy

1. datingDataMat,datingLabels = file2matrix('datingTestSet.txt')  
2. a,b,c = autoNorm(datingDataMat)  
3. print(a)  
4. print(b)  
5. print(c)  

任务达成！

[python]  view plain  copy

1. [[0.44832535 0.39805139 0.56233353]  
2.  [0.15873259 0.34195467 0.98724416]  
3.  [0.28542943 0.06892523 0.47449629]  
4.  ...  
5.  [0.29115949 0.50910294 0.51079493]  
6.  [0.52711097 0.43665451 0.4290048 ]  
7.  [0.47940793 0.3768091  0.78571804]]  
8. [9.1273000e+04 2.0919349e+01 1.6943610e+00]  
9. [0.       0.       0.001156]  
10.   
11. Process finished with exit code 0    

########################################

转自：https://blog.csdn.net/shunquanlan9446/article/details/79774051