Machine Learning in Action —机器学习实战（Python2.7）：k-近邻算法

参考博客：https://blog.csdn.net/c406495762/article/details/75172850

运行平台：Ubuntu 16.04 Linux （双系统）

Python版本：2.7（Linux自带解释器，为python2.7安装package用pip install package_name,若为python3.x安装package则用pip3 install package_name。有时可能提示在install后面加上 ++user，当权限不够时在命令行最前面加上sudo，回车，输入密码即可）

教材：Machine Learning in Action —机器学习实战

---

正文开始：

1. k-近邻法(k-nearest neighbor, k-NN)原理解析：

      k-近邻法是一种很简单的分类与回归算法。给定一个有标签的样本数据集合（有标签的训练数据集合），即这个集合中各个数据的类别是知道的，因为我们给它们每一个大贴上了一个用于表明它们身份的明确的标签。这个给定的集合中众多数据点的分布是和其中每一个数据的属性（特征）挂钩的，而不是我们开发者设计的，明确这点很重要，因为这是k-近邻算法的关键。

      当我们输入新的没有标签的数据点（身份不明）时，我们如何判断这个数据点的类别呢？我们可以将这个新的数据点（没有标签的）与已有的有标签的数据点的特征进行比较，然后找出与这个新来的数据点（无标签且身份不明）最相似（最近）的一群已知标签的点，让这些点进行民主投票（少数服从多数）来决定新来的数据点的所属类（标签）。

        以上就是k-近邻法的原理。

---

2. 举例说明：

       以上说的可能不太好理解，毕竟文字很抽象。那我就找一些课本上的一些插图来说一下

         我们现在有如上所示4个电影（4个标签已知的数据点），也就是已有的数据集合（训练样本集合）。

           这个数据集有两个特征：打斗镜头、接吻镜头。以及他们的标签：爱情片、动作片。

以我们正常人的阅片经验来看：接吻镜头多的，自然是爱情片；打斗镜头多的，自然是动作片。所以，现在丢给我一部电影，然后告知我打斗镜头和接吻镜头的数目，就算你不告诉我这个电影的标签（种类），我也可以结合已有信息做出判断。

            我们今天学习的k-近邻法，也是可以做到这一点的。不过k-近邻法仅仅是从我们给的数据出发去做出判断，而我们人类有丰富的经验来辅助我们判断，所以，我们人类更强。

           再输入新的数据，某个小电影打斗镜头数为2，接吻镜头数为102，我们想都不用想这就是爱情片，同样k-近邻算法也会告诉我们这个是爱情片。然后又来一个小电影，嗯。。。。打斗镜头数为49，接吻镜头数为51，这个时候就有点尴尬了，真心不好判断，这俩动作的镜头数目很接近，虽然经验告诉我可能是一部“爱情动作片”。。。但是人家k-近邻算法不会尴尬的，它不会想这么多。因为在它的眼里，电影类型只有爱情片和动作片，它会找到样本集（训练集合）中特征最相似数据(最邻近)的分类标签（一般情况下是大于等于一的奇数，因为就怕出现两方投票势均力敌的尴尬情况），然后判断是动作片还是爱情片，但绝不会是"爱情动作片"。现在问题来了，什么算是最近的？

---

3.什么是“近”，“距离”的度量：

         是否相似？距离是否近？是从特征的分析比较的出来的。还好，我们这里的有关电影的数据集，特征只有俩，还是能比较直观的理解的。且看下图：

       上图中，蓝色圆点代表爱情片，橙色圆点代表动作片。那红色圆点属于哪一个类别呢？

我们从上面散点图大概能猜出：这个红色圆点极有可能是动作片！因为它和两个已知的动作片的圆点（橙色的）的距离更近！

        k-近邻算法用什么方法进行判断呢？没错，就是距离度量。这个电影分类的例子有2个特征，也就是在2维实数向量空间，可以使用我们高中学过的两点距离公式计算距离（具体公式详见下方）。这样，上面遗留的问题就有了答案。

          其中AB的绝对值代表两点间的距离，(x1,y1)代表点A的坐标，(x2,y2)代表点B的坐标。

        运用上面的公式我们进行计算：

• (101,20)->动作片(108,5)的距离约为16.55
• (101,20)->动作片(115,8)的距离约为18.44
• (101,20)->爱情片(5,89)的距离约为118.22
• (101,20)->爱情片(1,101)的距离约为128.69

         所以，红色圆点标记的电影到动作片 (108,5)的距离最近，为16.55。如果算法直接根据这个结果，判断该红色圆点标记的电影为动作片，这个算法就是最近邻算法，而非k-近邻算法。那么k-邻近算法是什么呢？k-近邻算法步骤如下：

1. 计算已知类别数据集中的点与当前点之间的距离；
2. 按照距离递增次序排序；
3. 按照距离递增次序排序；
4. 确定前k个点所在类别的出现频率；
5. 返回前k个点所出现频率最高的类别作为当前点的预测分类。

---

4. 熟悉了原理，那就来代码实现吧！

      我使用的是Ubuntu 16.04 Linux系统，所以我创建代码文件是直接右键新建空文档，然后直接更改文件名以.py结尾就行了。  

      我们先写一个创建数据集的脚本。（create_data.py）

         

# -*- coding: UTF-8 -*-
import numpy as np #先导入必要的package
"""
函数说明：创建数据集

Parameters:
    无
Returns:
    group - 数据集
    labels - 分类标签
Modify:
    2018.11.8
"""

def createDataSet():
	#四组二维特征
	group = np.array([[1,101],[5,89],[108,5],[115,8]])
	#四组特征的标签
	labels = ['Love','Love','Action','Action']
	return group, labels

if __name__ =='__main__':
	#创建数据集
	group, labels = createDataSet()
	#打印数据
	print(group)
	print(labels)

         在桌面打开终端（Ctrl+Alt+t）,然后 cd 桌面 (因为我把脚本放在桌面)，然后python create_dataset.py 命令行运行。显示图下图所示：

     数据集我们生产完毕，那么接下来写一个实现k-近邻算法的脚本。（k_nn.py）

# -*- coding: UTF-8 -*-
import numpy as np 
import operator    #导入必要的package

"""
函数说明：k-nn算法，分类器

Parameters:
    inX - 用于分类的数据（测试集）
    dataSet - 用于训练的数据（训练集）
    labels - 分类标签
    k - KNN算法参数，选择距离最小的k个点

Returns：
    sortedClassCount[0][0] - 分类结果

Modify：
    2018.11.8
"""

def  classify0(inX,dataSet,labels,k):
	#numpy函数shape[0]返回dataSet的行数
	dataSetSize = dataSet.shape[0]
	#在列向量方向上重复inX共1次（横向），行向量方向上重复inX共dataSetSize次（纵向）
	diffMat = np.tile(inX,(dataSetSize,1))-dataSet
	#二维特征相减后平方
	sqDiffMat = diffMat**2
	#sum()所有元素相加，sum(0)列相加，sum(1)行相加
	sqDistances = sqDiffMat.sum(axis=1)
	#开放，计算出距离
	distances =  sqDistances**0.5
	#返回distances中元素从小到达排序后的索引值
	sortedDistIndices = distances.argsort()
	#定一个记录类别次数的字典
	classCount = {}
	for i in range(k):
		#取出前k个元素的类别
		voteIlabel = labels[sortedDistIndices[i]]
		#dict.get(key,default=None),字典的get()方法，返回指定键的值，如果值不在字典中，则返回默认值
		#计算类别次数
		classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
	#python3中用items()替换python2中的iteritems()
	#key=operator.itemgetter(1)根据字典的值进行排序
	#key=operator.itemgetter(0)根据字典的键进行排序
	#reverse降序排序字典
	sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
	#返回次数最多的类别，即所需要分类的类别
	return sortedClassCount[0][0]
	

        我估计这段代码中np.tile()这个方法的理解是至关重要的，可参考链接https://blog.csdn.net/qq_18433441/article/details/54897250。

接下来的事情就是把上面两段代码组合起来（创建数据集+k-nn算法）。

       我们要写一个新的脚本，kNN_test01.py。

# -*- coding: UTF-8 -*-
import numpy as np
import operator #先导入必要的package
"""
函数说明：创建数据集

Parameters:
    无
Returns:
    group - 数据集
    labels - 分类标签
Modify:
    2018.11.8
"""

def createDataSet():
	#四组二维特征
	group = np.array([[1,101],[5,89],[108,5],[115,8]])
	#四组特征的标签
	labels = ['Love','Love','Action','Action']
	return group, labels


"""
函数说明：k-nn算法，分类器

Parameters:
    inX - 用于分类的数据（测试集）
    dataSet - 用于训练的数据（训练集）
    labels - 分类标签
    k - KNN算法参数，选择距离最小的k个点

Returns：
    sortedClassCount[0][0] - 分类结果

Modify：
    2018.11.8
"""

def  classify0(inX,dataSet,labels,k):
	#numpy函数shape[0]返回dataSet的行数
	dataSetSize = dataSet.shape[0]
	#在列向量方向上重复inX共1次（横向），行向量方向上重复inX共dataSetSize次（纵向）
	diffMat = np.tile(inX,(dataSetSize,1))-dataSet
	#二维特征相减后平方
	sqDiffMat = diffMat**2
	#sum()所有元素相加，sum(0)列相加，sum(1)行相加
	sqDistances = sqDiffMat.sum(axis=1)
	#开放，计算出距离
	distances =  sqDistances**0.5
	#返回distances中元素从小到达排序后的索引值
	sortedDistIndices = distances.argsort()
	#定一个记录类别次数的字典
	classCount = {}
	for i in range(k):
		#取出前k个元素的类别
		voteIlabel = labels[sortedDistIndices[i]]
		#dict.get(key,default=None),字典的get()方法，返回指定键的值，如果值不在字典中，则返回默认值
		#计算类别次数
		classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
	#python3中用items()替换python2中的iteritems()
	#key=operator.itemgetter(1)根据字典的值进行排序
	#key=operator.itemgetter(0)根据字典的键进行排序
	#reverse降序排序字典
	sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
	#返回次数最多的类别，即所需要分类的类别
	return sortedClassCount[0][0]
	

if __name__ =='__main__':
	#创建数据集
	group, labels = createDataSet()
	#测试集
	test = [101,20]
	#kNN分类
	test_class = classify0(test,group,labels,3)
	#打印分类结果
	print(test_class)

运行结果：

结果如上图所示即表示集成完毕。

      可以看到，结果和我们的经验判断差不了多少。在这个电影数据集中的特征是2维的（也就是说每个数据点有两个特征），这样的距离度量可以用两点距离公式计算，但是如果是更高维的呢？对，没错。我们可以用欧氏距离(也称欧几里德度量)。我们高中所学的两点距离公式就是欧氏距离在二维空间上的公式，也就是欧氏距离的n的值为2的情况。

       到这里，有人可能会问：“分类器何种情况下会出错？”或者“答案是否总是正确的？”答案是否定的，分类器并不会得到百分百正确的结果，我们可以使用多种方法检测分类器的正确率。此外分类器的性能也会受到多种因素的影响，如分类器设置和数据集等。不同的算法在不同数据集上的表现可能完全不同。为了测试分类器的效果，我们可以使用已知答案的数据，当然答案不能告诉分类器，检验分类器给出的结果是否符合预期结果。通过大量的测试数据，我们可以得到分类器的错误率-分类器给出错误结果的次数除以测试执行的总数。错误率是常用的评估方法，主要用于评估分类器在某个数据集上的执行效果。完美分类器的错误率为0，最差分类器的错误率是1.0。同时，我们也不难发现，k-近邻算法没有进行数据的训练，直接使用未知的数据与已知的数据进行比较，得到结果。因此，可以说k-邻近算法不具有显式的学习过程。（没有学习这个实际操作！）

---

5.实战才是提高对算法理解以及代码能力的关键！

           之前的代码演练都是比较简单的操作。完整的k-近邻算法流程如下：

1. 收集数据：可以使用爬虫（python？）进行数据的收集，也可以使用第三方提供的免费或收费的数据。一般来讲，数据放在txt文本文件中，按照一定的格式进行存储，便于解析及处理。
2. 准备数据：使用Python解析、预处理数据。（不容易）
3. 分析数据：可以使用很多方法对数据进行分析，例如使用Matplotlib将数据可视化。
4. 测试算法：计算错误率。
5. 使用算法：错误率在可接受范围内，就可以运行k-近邻算法进行分类。

     接下来就按照课本上的例子来进行实战吧～

A.妹子相亲记：

某妹子一直使用在线约会网站寻找适合自己的约会对象。尽管约会网站会推荐不同的任选，但她并不是喜欢每一个人（说明网站不靠谱～）。经过一番总结，她发现自己交往过的人可以进行如下分类：

• 不喜欢的人
• 魅力一般的人
• 极具魅力的人

妹子收集约会数据已经有了一段时间，她把这些数据存放在文本文件datingTestSet.txt中，每个样本数据占据一行，总共有1000行。（佩服，怪不得我还是单身狗=.=）

海伦还是个码农，她把自己制作的数据集放到了github上了。厉害厉害。。。（链接如下）

https://github.com/Jack-Cherish/Machine-Learning/blob/master/kNN/2.%E6%B5%B7%E4%BC%A6%E7%BA%A6%E4%BC%9A/datingTestSet.txt

妹子收集的样本数据主要包含以下3种特征：

• 每年获得的飞行常客里程数
• 玩视频游戏所消耗时间百分比
• 每周消费的冰淇淋公升数

我实在无法理解妹子的思维。。。可能是女人心海底针吧！

我们可以打开海伦制作的数据集先看一下：

 

既然数据准备好了，那我们就来解析数据吧～

在将上述特征数据输入到分类器前，必须将待处理的数据的格式改变为分类器可以接收的格式。分类器接收的数据是什么格式的？从上小结已经知道，要将数据分类两部分，即特征矩阵和对应的分类标签向量。我们先创建个kNN_test02.py脚本，在kNN_test02.py文件中创建名为file2matrix的函数，以此来处理输入格式问题。 将datingTestSet.txt放到与kNN_test02.py相同目录下，编写代码如下：

# -*- coding: UTF-8 -*-
import numpy as np #导入必要的package
"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力


Parameters：
	filename - 文件名
Returns：
	returnMat - 特征矩阵
	classLabelVector - 分类Label向量

Modify：
	2018.11.8
"""
def file2matrix(filename):
	#打开文件
	fr = open(filename)
	#读取文件所有内容
	arrayOLines = fr.readlines()
	#得到文件行数
	numberOfLines = len(arrayOLines)
	#返回的Numpy矩阵，解析完成的数据：numberOfLines行，3列
	returnMat = np.zeros((numberOfLines,3))
	#返回分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0 
	for line in arrayOLines:
		#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ' )
		line = line.strip()
		#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
		listFromLine = line.split('\t')
		#将数据前三列取出来，存放到returnMat的Numpy矩阵中，也就是特征矩阵
		returnMat[index,:] = listFromLine[0:3]
		#根据文本中标记的喜欢程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力,类似于独热编码
		if listFromLine[-1] == 'didntLike':
				classLabelVector.append(1)
		if listFromLine[-1] == 'smallDoses':
				classLabelVector.append(2)
		if listFromLine[-1] == 'largeDoses':
				classLabelVector.append(3)
		index += 1 
	return returnMat,classLabelVector
"""
函数说明：main函数

Parameters：
   无
Returns：
   无
Modify：
   2018.11.8
"""
if __name__ == '__main__':
	#打开文件名
	filename = "datingTestSet.txt"
	#打开并处理数据
	datingDataMat,datingLabels = file2matrix(filename)
	print(datingDataMat)
	print(datingLabels)

我估计这段代码中line.strip()这个方法的理解是至关重要的，可参考链接：http://www.runoob.com/python/att-string-strip.html

终端显示如下图所示

我们已经顺利导入数据，并对数据进行解析，格式化为分类器需要的数据格式。接着我们需要了解数据的真正含义。可以通过友好、直观的图形化的方式观察数据。

分析数据之数据可视化：

我们要在kNN_test02.py文件中编写名为showdatas的函数，用来将数据可视化。编写代码如下：

# -*- coding: UTF-8 -*-
import numpy as np #导入必要的package
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力


Parameters：
	filename - 文件名
Returns：
	returnMat - 特征矩阵
	classLabelVector - 分类Label向量

Modify：
	2018.11.8
"""
def file2matrix(filename):
	#打开文件
	fr = open(filename)
	#读取文件所有内容
	arrayOLines = fr.readlines()
	#得到文件行数
	numberOfLines = len(arrayOLines)
	#返回的Numpy矩阵，解析完成的数据：numberOfLines行，3列
	returnMat = np.zeros((numberOfLines,3))
	#返回分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0 
	for line in arrayOLines:
		#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ' )
		line = line.strip()
		#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
		listFromLine = line.split('\t')
		#将数据前三列取出来，存放到returnMat的Numpy矩阵中，也就是特征矩阵
		returnMat[index,:] = listFromLine[0:3]
		#根据文本中标记的喜欢程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力,类似于独热编码
		if listFromLine[-1] == 'didntLike':
				classLabelVector.append(1)
		if listFromLine[-1] == 'smallDoses':
				classLabelVector.append(2)
		if listFromLine[-1] == 'largeDoses':
				classLabelVector.append(3)
		index += 1 
	return returnMat,classLabelVector
"""
函数说明：数据可视化

Parameters:
    datingDataMat - 特征矩阵
    datingLabels - 分类Label

Returns:
    无

Modify:
    2018.11.8
"""

def showdatas(datingDataMat, datingLabels):
	#设置汉字格式
	font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
	#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
	#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
	fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
	
	numberOfLabels = len(datingLabels)
	LabelsColors = []
	for i in datingLabels:
		if i == 1:
			LabelsColors.append('black')
		if i == 2:
			LabelsColors.append('orange')
		if i == 3:
			LabelsColors.append('red')
	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
	axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占',FontProperties=font)
	plt.setp(axs0_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
	axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs1_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
	axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
	axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs2_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
	#设置图例
	didntLike = mlines.Line2D([], [], color='black', marker='.',markersize=6, label='didntLike')
	smallDoses = mlines.Line2D([], [], color='orange', marker='.',markersize=6, label='smallDoses')
	largeDoses = mlines.Line2D([], [], color='red', marker='.',markersize=6, label='largeDoses')
	#添加图例
	axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
	#显示图片
	plt.show()

"""
函数说明：main函数

Parameters：
   无
Returns：
   无
Modify：
   2018.11.8
"""
if __name__ == '__main__':
	#打开文件名
	filename = "datingTestSet.txt"
	#打开并处理数据
	datingDataMat,datingLabels = file2matrix(filename)
	showdatas(datingDataMat, datingLabels)
	#print(datingDataMat)
	#print(datingLabels)

运行上述代码，可以看到可视化结果如下图

通过数据可以很直观的发现数据的规律，比如以玩游戏所消耗时间占比与每年获得的飞行常客里程数，只考虑这二维的特征信息，给我的感觉就是海伦喜欢有生活质量的男人。为什么这么说呢？每年获得的飞行常客里程数表明，海伦喜欢能享受飞行常客奖励计划的男人，但是不能经常坐飞机，疲于奔波，满世界飞。同时，这个男人也要玩视频游戏，并且占一定时间比例。能到处飞，又能经常玩游戏的男人是什么样的男人？很显然，有生活质量，并且生活悠闲的人。我的分析，仅仅是通过可视化的数据总结的个人看法。我想，每个人的感受应该也是不尽相同。

我们很容易发现，上面方程中数字差值最大的属性对计算结果的影响最大，也就是说，每年获取的飞行常客里程数对于计算结果的影响将远远大于表2.1中其他两个特征-玩视频游戏所耗时间占比和每周消费冰淇淋公斤数的影响。而产生这种现象的唯一原因，仅仅是因为飞行常客里程数远大于其他特征值。但海伦认为这三种特征是同等重要的，因此作为三个等权重的特征之一，飞行常客里程数并不应该如此严重地影响到计算结果。
在处理这种不同取值范围的特征值时，我们通常采用的方法是将数值归一化，如将取值范围处理为０到１或者-１到１之间。下面的公式可以将任意取值范围的特征值转化为０到１区间内的值：

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

其中min和max分别是数据集中的最小特征值和最大特征值。虽然改变数值取值范围增加了分类器的复杂度，但为了得到准确结果，我们必须这样做。在kNN_test02.py文件中编写名为autoNorm的函数，用该函数自动将数据归一化。代码如下：

# -*- coding: UTF-8 -*-
import numpy as np #导入必要的package
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力


Parameters：
	filename - 文件名
Returns：
	returnMat - 特征矩阵
	classLabelVector - 分类Label向量

Modify：
	2018.11.8
"""
def file2matrix(filename):
	#打开文件
	fr = open(filename)
	#读取文件所有内容
	arrayOLines = fr.readlines()
	#得到文件行数
	numberOfLines = len(arrayOLines)
	#返回的Numpy矩阵，解析完成的数据：numberOfLines行，3列
	returnMat = np.zeros((numberOfLines,3))
	#返回分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0 
	for line in arrayOLines:
		#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ' )
		line = line.strip()
		#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
		listFromLine = line.split('\t')
		#将数据前三列取出来，存放到returnMat的Numpy矩阵中，也就是特征矩阵
		returnMat[index,:] = listFromLine[0:3]
		#根据文本中标记的喜欢程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力,类似于独热编码
		if listFromLine[-1] == 'didntLike':
				classLabelVector.append(1)
		if listFromLine[-1] == 'smallDoses':
				classLabelVector.append(2)
		if listFromLine[-1] == 'largeDoses':
				classLabelVector.append(3)
		index += 1 
	return returnMat,classLabelVector
"""
函数说明:对数据进行归一化

Parameters:
    dataSet - 特征矩阵
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值

Modify:
    2017-03-24
"""
def autoNorm(dataSet):
	#获得数据的最小值
	minVals = dataSet.min(0)
	maxVals = dataSet.max(0)
	#最大值和最小值的范围
	ranges = maxVals - minVals
	#shape(dataSet)返回dataSet的矩阵行列数
	normDataSet = np.zeros(np.shape(dataSet))
	#返回dataSet的行数
	m = dataSet.shape[0]
	#原始值减去最小值
	normDataSet = dataSet - np.tile(minVals, (m, 1))
	#除以最大和最小值的差,得到归一化数据
	normDataSet = normDataSet / np.tile(ranges, (m, 1))
	#返回归一化数据结果,数据范围,最小值
	return normDataSet, ranges, minVals

"""
函数说明：数据可视化

Parameters:
    datingDataMat - 特征矩阵
    datingLabels - 分类Label

Returns:
    无

Modify:
    2018.11.8
"""

def showdatas(datingDataMat, datingLabels):
	#设置汉字格式
	font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
	#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
	#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
	fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
	
	numberOfLabels = len(datingLabels)
	LabelsColors = []
	for i in datingLabels:
		if i == 1:
			LabelsColors.append('black')
		if i == 2:
			LabelsColors.append('orange')
		if i == 3:
			LabelsColors.append('red')
	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
	axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占',FontProperties=font)
	plt.setp(axs0_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
	axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs1_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
	axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
	axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs2_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
	#设置图例
	didntLike = mlines.Line2D([], [], color='black', marker='.',markersize=6, label='didntLike')
	smallDoses = mlines.Line2D([], [], color='orange', marker='.',markersize=6, label='smallDoses')
	largeDoses = mlines.Line2D([], [], color='red', marker='.',markersize=6, label='largeDoses')
	#添加图例
	axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
	#显示图片
	plt.show()

"""
函数说明：main函数

Parameters：
   无
Returns：
   无
Modify：
   2018.11.8
"""
if __name__ == '__main__':
	#打开文件名
	filename = "datingTestSet.txt"
	#打开并处理数据
	datingDataMat,datingLabels = file2matrix(filename)
	#showdatas(datingDataMat, datingLabels)
	#print(datingDataMat)
	#print(datingLabels)
	normDataSet, ranges, minVals = autoNorm(datingDataMat)
	print(normDataSet)
	print(ranges)
	print(minVals)

终端显示如下图所示：

从上图的运行结果可以看到，我们已经顺利将数据归一化了，并且求出了数据的取值范围和数据的最小值，这两个值是在分类的时候需要用到的，直接先求解出来，也算是对数据预处理了。

接下来就是：测试算法，验证分类器

机器学习算法一个很重要的工作就是评估算法的正确率，通常我们只提供已有数据的90%作为训练样本来训练分类器，而使用其余的10%数据去测试分类器，检测分类器的正确率。需要注意的是，10%的测试数据应该是随机选择的，由于海伦提供的数据并没有按照特定目的来排序，所以我么你可以随意选择10%数据而不影响其随机性。

    为了测试分类器效果，在kNN_test02.py文件中创建函数datingClassTest，编写代码如下：

# -*- coding: UTF-8 -*-
import numpy as np #导入必要的package
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import operator
"""
函数说明:kNN算法,分类器

Parameters:
    inX - 用于分类的数据(测试集)
    dataSet - 用于训练的数据(训练集)
    labes - 分类标签
    k - kNN算法参数,选择距离最小的k个点
Returns:
    sortedClassCount[0][0] - 分类结果

Modify:
    2018.11.8
"""
def classify0(inX, dataSet, labels, k):
	#numpy函数shape[0]返回dataSet的行数
	dataSetSize = dataSet.shape[0]
	#在列向量方向上重复inX共1次(横向),行向量方向上重复inX共dataSetSize次(纵向)
	diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
	#二维特征相减后平方
	sqDiffMat = diffMat**2
	#sum()所有元素相加,sum(0)列相加,sum(1)行相加
	sqDistances = sqDiffMat.sum(axis=1)
	#开方,计算出距离
	distances = sqDistances**0.5
	#返回distances中元素从小到大排序后的索引值
	sortedDistIndices = distances.argsort()
	#定一个记录类别次数的字典
	classCount = {}
	for i in range(k):
		#取出前k个元素的类别
		voteIlabel = labels[sortedDistIndices[i]]
		#dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。
		#计算类别次数
		classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
	#python3中用items()替换python2中的iteritems()
	#key=operator.itemgetter(1)根据字典的值进行排序
	#key=operator.itemgetter(0)根据字典的键进行排序
	#reverse降序排序字典
	sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
	#返回次数最多的类别,即所要分类的类别
	return sortedClassCount[0][0]

"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力


Parameters：
	filename - 文件名
Returns：
	returnMat - 特征矩阵
	classLabelVector - 分类Label向量

Modify：
	2018.11.8
"""
def file2matrix(filename):
	#打开文件
	fr = open(filename)
	#读取文件所有内容
	arrayOLines = fr.readlines()
	#得到文件行数
	numberOfLines = len(arrayOLines)
	#返回的Numpy矩阵，解析完成的数据：numberOfLines行，3列
	returnMat = np.zeros((numberOfLines,3))
	#返回分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0 
	for line in arrayOLines:
		#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ' )
		line = line.strip()
		#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
		listFromLine = line.split('\t')
		#将数据前三列取出来，存放到returnMat的Numpy矩阵中，也就是特征矩阵
		returnMat[index,:] = listFromLine[0:3]
		#根据文本中标记的喜欢程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力,类似于独热编码
		if listFromLine[-1] == 'didntLike':
				classLabelVector.append(1)
		if listFromLine[-1] == 'smallDoses':
				classLabelVector.append(2)
		if listFromLine[-1] == 'largeDoses':
				classLabelVector.append(3)
		index += 1 
	return returnMat,classLabelVector
"""
函数说明:对数据进行归一化

Parameters:
    dataSet - 特征矩阵
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值

Modify:
    2017-03-24
"""
def autoNorm(dataSet):
	#获得数据的最小值
	minVals = dataSet.min(0)
	maxVals = dataSet.max(0)
	#最大值和最小值的范围
	ranges = maxVals - minVals
	#shape(dataSet)返回dataSet的矩阵行列数
	normDataSet = np.zeros(np.shape(dataSet))
	#返回dataSet的行数
	m = dataSet.shape[0]
	#原始值减去最小值
	normDataSet = dataSet - np.tile(minVals, (m, 1))
	#除以最大和最小值的差,得到归一化数据
	normDataSet = normDataSet / np.tile(ranges, (m, 1))
	#返回归一化数据结果,数据范围,最小值
	return normDataSet, ranges, minVals

"""
函数说明：数据可视化

Parameters:
    datingDataMat - 特征矩阵
    datingLabels - 分类Label

Returns:
    无

Modify:
    2018.11.8
"""

def showdatas(datingDataMat, datingLabels):
	#设置汉字格式
	font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
	#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
	#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
	fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
	
	numberOfLabels = len(datingLabels)
	LabelsColors = []
	for i in datingLabels:
		if i == 1:
			LabelsColors.append('black')
		if i == 2:
			LabelsColors.append('orange')
		if i == 3:
			LabelsColors.append('red')
	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
	axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占',FontProperties=font)
	plt.setp(axs0_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
	axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs1_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
	axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
	axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs2_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
	#设置图例
	didntLike = mlines.Line2D([], [], color='black', marker='.',markersize=6, label='didntLike')
	smallDoses = mlines.Line2D([], [], color='orange', marker='.',markersize=6, label='smallDoses')
	largeDoses = mlines.Line2D([], [], color='red', marker='.',markersize=6, label='largeDoses')
	#添加图例
	axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
	#显示图片
	plt.show()
"""
函数说明:分类器测试函数

Parameters:
    无
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值

Modify:
    2017-03-24
"""
def datingClassTest():
	#打开的文件名
	filename = "datingTestSet.txt"
	#将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中
	datingDataMat, datingLabels = file2matrix(filename)
	#取所有数据的百分之十
	hoRatio = 0.10
	#数据归一化,返回归一化后的矩阵,数据范围,数据最小值
	normMat, ranges, minVals = autoNorm(datingDataMat)
	#获得normMat的行数
	m = normMat.shape[0]
	#百分之十的测试数据的个数
	numTestVecs = int(m * hoRatio)
	#分类错误计数
	errorCount = 0.0

	for i in range(numTestVecs):
		#前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集
		classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],datingLabels[numTestVecs:m], 4)
		print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))
		if classifierResult != datingLabels[i]:
			errorCount += 1.0
	print("错误率:%f%%" %(errorCount/float(numTestVecs)*100))

"""
函数说明：main函数

Parameters：
   无
Returns：
   无
Modify：
   2018.11.8
"""
if __name__ == '__main__':
	#打开文件名
	#filename = "datingTestSet.txt"
	#打开并处理数据
	#datingDataMat,datingLabels = file2matrix(filename)
	#showdatas(datingDataMat, datingLabels)
	#print(datingDataMat)
	#print(datingLabels)
	#normDataSet, ranges, minVals = autoNorm(datingDataMat)
	#print(normDataSet)
	#print(ranges)
	#print(minVals)
	datingClassTest()

运行结果如下图所示：

从上图验证分类器结果中可以看出，错误率是3%，这是一个想当不错的结果。我们可以改变函数datingClassTest内变量hoRatio和分类器k的值，检测错误率是否随着变量值的变化而增加。依赖于分类算法、数据集和程序设置，分类器的输出结果可能有很大的不同。

接下来：使用算法，构建完整可用系统。

我们可以给海伦一个小段程序，通过该程序海伦会在约会网站上找到某个人并输入他的信息。程序会给出她对男方喜欢程度的预测值。

    在kNN_test02.py文件中创建函数classifyPerson，代码如下：

# -*- coding: UTF-8 -*-
import numpy as np #导入必要的package
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import operator
"""
函数说明:kNN算法,分类器

Parameters:
    inX - 用于分类的数据(测试集)
    dataSet - 用于训练的数据(训练集)
    labes - 分类标签
    k - kNN算法参数,选择距离最小的k个点
Returns:
    sortedClassCount[0][0] - 分类结果

Modify:
    2018.11.8
"""
def classify0(inX, dataSet, labels, k):
	#numpy函数shape[0]返回dataSet的行数
	dataSetSize = dataSet.shape[0]
	#在列向量方向上重复inX共1次(横向),行向量方向上重复inX共dataSetSize次(纵向)
	diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
	#二维特征相减后平方
	sqDiffMat = diffMat**2
	#sum()所有元素相加,sum(0)列相加,sum(1)行相加
	sqDistances = sqDiffMat.sum(axis=1)
	#开方,计算出距离
	distances = sqDistances**0.5
	#返回distances中元素从小到大排序后的索引值
	sortedDistIndices = distances.argsort()
	#定一个记录类别次数的字典
	classCount = {}
	for i in range(k):
		#取出前k个元素的类别
		voteIlabel = labels[sortedDistIndices[i]]
		#dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。
		#计算类别次数
		classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
	#python3中用items()替换python2中的iteritems()
	#key=operator.itemgetter(1)根据字典的值进行排序
	#key=operator.itemgetter(0)根据字典的键进行排序
	#reverse降序排序字典
	sortedClassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
	#返回次数最多的类别,即所要分类的类别
	return sortedClassCount[0][0]

"""
函数说明：打开并解析文件，对数据进行分类：1代表不喜欢，2代表魅力一般，3代表极具魅力


Parameters：
	filename - 文件名
Returns：
	returnMat - 特征矩阵
	classLabelVector - 分类Label向量

Modify：
	2018.11.8
"""
def file2matrix(filename):
	#打开文件
	fr = open(filename)
	#读取文件所有内容
	arrayOLines = fr.readlines()
	#得到文件行数
	numberOfLines = len(arrayOLines)
	#返回的Numpy矩阵，解析完成的数据：numberOfLines行，3列
	returnMat = np.zeros((numberOfLines,3))
	#返回分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0 
	for line in arrayOLines:
		#s.strip(rm),当rm空时，默认删除空白符（包括'\n','\r','\t',' ' )
		line = line.strip()
		#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
		listFromLine = line.split('\t')
		#将数据前三列取出来，存放到returnMat的Numpy矩阵中，也就是特征矩阵
		returnMat[index,:] = listFromLine[0:3]
		#根据文本中标记的喜欢程度进行分类，1代表不喜欢，2代表魅力一般，3代表极具魅力,类似于独热编码
		if listFromLine[-1] == 'didntLike':
				classLabelVector.append(1)
		if listFromLine[-1] == 'smallDoses':
				classLabelVector.append(2)
		if listFromLine[-1] == 'largeDoses':
				classLabelVector.append(3)
		index += 1 
	return returnMat,classLabelVector
"""
函数说明:对数据进行归一化

Parameters:
    dataSet - 特征矩阵
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值

Modify:
    2017-03-24
"""
def autoNorm(dataSet):
	#获得数据的最小值
	minVals = dataSet.min(0)
	maxVals = dataSet.max(0)
	#最大值和最小值的范围
	ranges = maxVals - minVals
	#shape(dataSet)返回dataSet的矩阵行列数
	normDataSet = np.zeros(np.shape(dataSet))
	#返回dataSet的行数
	m = dataSet.shape[0]
	#原始值减去最小值
	normDataSet = dataSet - np.tile(minVals, (m, 1))
	#除以最大和最小值的差,得到归一化数据
	normDataSet = normDataSet / np.tile(ranges, (m, 1))
	#返回归一化数据结果,数据范围,最小值
	return normDataSet, ranges, minVals

"""
函数说明：数据可视化

Parameters:
    datingDataMat - 特征矩阵
    datingLabels - 分类Label

Returns:
    无

Modify:
    2018.11.8
"""

def showdatas(datingDataMat, datingLabels):
	#设置汉字格式
	font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
	#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
	#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
	fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
	
	numberOfLabels = len(datingLabels)
	LabelsColors = []
	for i in datingLabels:
		if i == 1:
			LabelsColors.append('black')
		if i == 2:
			LabelsColors.append('orange')
		if i == 3:
			LabelsColors.append('red')
	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
	axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占',FontProperties=font)
	plt.setp(axs0_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
	axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs1_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')

	#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
	axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
	axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
	axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs2_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
	#设置图例
	didntLike = mlines.Line2D([], [], color='black', marker='.',markersize=6, label='didntLike')
	smallDoses = mlines.Line2D([], [], color='orange', marker='.',markersize=6, label='smallDoses')
	largeDoses = mlines.Line2D([], [], color='red', marker='.',markersize=6, label='largeDoses')
	#添加图例
	axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
	#显示图片
	plt.show()
"""
函数说明:分类器测试函数

Parameters:
    无
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值

Modify:
    2017-03-24
"""
def datingClassTest():
	#打开的文件名
	filename = "datingTestSet.txt"
	#将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中
	datingDataMat, datingLabels = file2matrix(filename)
	#取所有数据的百分之十
	hoRatio = 0.10
	#数据归一化,返回归一化后的矩阵,数据范围,数据最小值
	normMat, ranges, minVals = autoNorm(datingDataMat)
	#获得normMat的行数
	m = normMat.shape[0]
	#百分之十的测试数据的个数
	numTestVecs = int(m * hoRatio)
	#分类错误计数
	errorCount = 0.0

	for i in range(numTestVecs):
		#前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集
		classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],datingLabels[numTestVecs:m], 4)
		print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))
		if classifierResult != datingLabels[i]:
			errorCount += 1.0
	print("错误率:%f%%" %(errorCount/float(numTestVecs)*100))
"""
函数说明:通过输入一个人的三维特征,进行分类输出

Parameters:
    无
Returns:
    无

Modify:
    2018.11.8
"""
def classifyPerson():
	#输出结果
	resultList = ['讨厌','有些喜欢','非常喜欢']
	#三维特征用户输入
	precentTats = float(input("玩视频游戏所耗时间百分比:"))
	ffMiles = float(input("每年获得的飞行常客里程数:"))
	iceCream = float(input("每周消费的冰激淋公升数:"))
	#打开的文件名
	filename = "datingTestSet.txt"
	#打开并处理数据
	datingDataMat, datingLabels = file2matrix(filename)
	#训练集归一化
	normMat, ranges, minVals = autoNorm(datingDataMat)
	#生成NumPy数组,测试集
	inArr = np.array([precentTats, ffMiles, iceCream])
	#测试集归一化
	norminArr = (inArr - minVals) / ranges
	#返回分类结果
	classifierResult = classify0(norminArr, normMat, datingLabels, 3)
	#打印结果
	print("你可能%s这个人" % (resultList[classifierResult-1]))


"""
函数说明：main函数

Parameters：
   无
Returns：
   无
Modify：
   2018.11.8
"""
if __name__ == '__main__':
	#打开文件名
	#filename = "datingTestSet.txt"
	#打开并处理数据
	#datingDataMat,datingLabels = file2matrix(filename)
	#showdatas(datingDataMat, datingLabels)
	#print(datingDataMat)
	#print(datingLabels)
	#normDataSet, ranges, minVals = autoNorm(datingDataMat)
	#print(normDataSet)
	#print(ranges)
	#print(minVals)
	#datingClassTest()
	classifyPerson()

在终端中，运行程序，并输入数据(12,44000,0.5)，预测结果是"你可能有些喜欢这个人"，也就是这个人魅力一般。一共有三个档次：讨厌、有些喜欢、非常喜欢，对应着不喜欢的人、魅力一般的人、极具魅力的人。结果如图下图所示。

到此结束！！！

长路漫漫，从此开始！！！