机器学习实战笔记六_Python3

程序清单2-5，

伪代码

[python]  view plain  copy

1. def classifyPerson():  
2.     resultList = ['not at all','in small doses','in large doses']  
3.     percentTats = float(input(\  
4.         "percentage of time spent playing video games?"))  
5.     ffMiles = float(input(\  
6.         "frequent flier miles earned per year? "))  
7.     iceCream = float(input(\  
8.         "liters of ice cream consumed per year?"))  
9.     datingDataMat,datingLabels = file2matrix('datingTestSet.txt')  
10.     normMat, ranges, minVals = autoNorm(datingDataMat)  
11.     inArr = array([ffMiles, percentTats, iceCream])  
12.     clssifierResult = classify0((inArr-minVals)/ranges,\  
13.                                 normMat,datingLabels,3)  
14.     print("You will probably like this person:",\  
15.           resultList[clssifierResult-1])  

完整

[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；labels: 样本集的标签；k近邻  
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. #自己根据Python3 改正后的函数  
49. def file2matrix(filename): # 将数据分离为样本数据与标签  
50.     #open a file, default: 'r'ead  
51.     fr = open(filename)  
52.     #一次读取所有行  
53.     arrayOLines = fr.readlines()  
54.     #得到行数  
55.     numberOfLines = len(arrayOLines)  
56.     #1000*3 zeros matrix,row-1000, column-3  
57.     returnMat = zeros((numberOfLines,3))  
58.     #声明  
59.     classLabelVector = []  
60.     classLabelVector_Value = []  
61.     index = 0  
62.     #逐行扫描  
63.     for line in arrayOLines:  
64.         #strip函数会删除头和尾的字符，中间的不会删除  
65.         line = line.strip()  
66.         #删除‘\t’字符，仅剩下数据，供使用  
67.         listFromLine = line.split('\t')  
68.         #得到前三列数据，即飞行时间，游戏，冰激凌  
69.         returnMat[index, :] = listFromLine[0:3]  
70.         #得到largeDoses，smallDoses，didntLike的label  
71.         classLabelVector.append(listFromLine[-1])      #无法将largeDoses，smallDoses，didntLike  
72.                                                        #转换为int。基于这个思想，我们在这里将得到的行矩阵建立  
73.                                                        #一个数值矩阵与之对应，暂时这样处理，不合适再继续修改  
74.         if classLabelVector[index] == 'largeDoses':  
75.             classLabelVector_Value.append(3)  
76.         elif classLabelVector[index] == 'smallDoses':  
77.             classLabelVector_Value.append(2)  
78.         else:  
79.             classLabelVector_Value.append(1)  
80.         index += 1  
81.     return returnMat, classLabelVector_Value  
82. # def file2matrix(filename):  
83. #     fr = open(filename)  
84. #     numberOfLines = len(fr.readlines())         #get the number of lines in the file  
85. #     returnMat = zeros((numberOfLines,3))        #prepare matrix to return  
86. #     classLabelVector = []                       #prepare labels return  
87. #     fr = open(filename)  
88. #     index = 0  
89. #     for line in fr.readlines():  
90. #         line = line.strip()  
91. #         listFromLine = line.split('\t')  
92. #         returnMat[index,:] = listFromLine[0:3]  
93. #         classLabelVector.append(int(listFromLine[-1]))  
94. #         index += 1  
95. #     return returnMat,classLabelVector  
96. def autoNorm(dataSet):#得到归一化后的数据样本，最大值最小值之差，与最小值  
97.     #得到每一列的max，min  
98.     minVals = dataSet.min(0)  
99.     maxVals = dataSet.max(0)  
100.     ranges = maxVals - minVals  
101.     #initiate a zero-matrix like dataSet's shape  
102.     normDataSet = zeros(shape(dataSet))  
103.     #get the num of row in dataSet  
104.     m = dataSet.shape[0]  
105.     #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  
106.     normDataSet = dataSet - tile(minVals, (m,1))        #tile(matrixlike,A) :init a matrix when the shape is same to A  
107.                                                         #meanwhile, if A is a number, the matrix is A*1, if A is (m,n),the matrix  
108.                                                         #is m*n matrix  
109.     normDataSet = normDataSet/tile(ranges, (m,1))      #element wise divide  
110.     return normDataSet, ranges, minVals  
111.   
112.   
113. def datingClassTest():  
114.     #使用10%的数据去测试分类器  
115.     hoRatio = 0.10  # hold out 10%  
116.     #datingTestSet2.txt中标签全部变为3,2,1，而不是字符串label，所以如果不想改file2matrix（）函数，应用datingTestSet.txt  
117.     #如果file2matrix（）用书中原程序，可用datingTestSet.txt  
118.     datingDataMat, datingLabels = file2matrix('datingTestSet.txt')  # 将数据分离为样本数据与标签  
119.     normMat, ranges, minVals = autoNorm(datingDataMat)#得到归一化后的数据样本，最大值最小值之差，与最小值  
120.     #get the num of the row  
121.     m = normMat.shape[0]  
122.     #get the test num of normMat  
123.     numTestVecs = int(m * hoRatio)  
124.     errorCount = 0.0  
125.     for i in range(numTestVecs):  
126.         #数据前numTestVecs个为测试数据，以后为样本训练集  
127.         classifierResult = classify0(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)  # inX: 待测试数据 ;  dataSet: 训练样本集；labels: 样本集的标签；k近邻  
128.         #测试结果与真正结果对照输出  
129.         print("the classifier came back with: %d, the real answer is: %d" % (classifierResult, datingLabels[i]))  
130.         if classifierResult != datingLabels[i]:  
131.             errorCount += 1.0  
132.     print("the total error rate is: %f"% (errorCount / float(numTestVecs)))  
133.     print(errorCount)  
134.   
135. def classifyPerson():  
136.     resultList = ['not at all','in small doses','in large doses']  
137.     percentTats = float(input(\  
138.         "percentage of time spent playing video games?"))  
139.     ffMiles = float(input(\  
140.         "frequent flier miles earned per year? "))  
141.     iceCream = float(input(\  
142.         "liters of ice cream consumed per year?"))  
143.     datingDataMat,datingLabels = file2matrix('datingTestSet.txt')  
144.     normMat, ranges, minVals = autoNorm(datingDataMat)  
145.     inArr = array([ffMiles, percentTats, iceCream])  
146.     clssifierResult = classify0((inArr-minVals)/ranges,\  
147.                                 normMat,datingLabels,3)  
148.     print("You will probably like this person:",\  
149.           resultList[clssifierResult-1])  

测试

[python]  view plain  copy

1. classifyPerson()  

完成！

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

转自：https://blog.csdn.net/shunquanlan9446/article/details/79778086