心怀宇宙浪漫,也珍惜人间日常ヾ(✿゚▽゚)ノ
仰慕大佬的第二天,原作者博客链接https://blog.csdn.net/c406495762/category_9269492.html
import matplotlib.pyplot as plt
import matplotlib.lines as mlines
import numpy as np
import operator
from matplotlib.font_manager import FontProperties
import warnings
warnings.filterwarnings("ignore", category=UserWarning)
# 通过KNN算法帮海伦女士找对象
"""
输入特征:1.每年获得的飞行常客里程数
2.玩视频游戏所消耗的时间比
3.每周消耗的冰淇淋公斤数
样本标签:不喜欢/魅力一般/机具魅力
"""
# 第一步,收集数据(由爬虫或数据源,数据一般按照一定的格式进行存储,方便解析与处理),在此数据已存至DataSource->KNN->datingTestSet中
# 第二步,准备数据,使用python解析,预处理
def fileMatrix(filename):
# 打开文件
fr = open(filename)
# 读取文件内容
arrayOlines = fr.readlines();
# 记录文件行数
numberOfLines = len(arrayOlines)
# 生成0矩阵
returnMat = np.zeros((numberOfLines, 3), dtype=float)
# 返回的分类标签向量
classLabelVector = []
# 行索引
index = 0
# 遍历数据
for line in arrayOlines:
# 删除此条数据首或尾可能存在的空格
line = line.strip()
# 对数据进行切片,使用'\t'对数据进行分割,返回一个包含分割后元素的列表
listFromLine = line.split('\t')
# 将切片的前三列数据取出来,存入特征矩阵中
returnMat[index, :] = listFromLine[0:3]
# 将切片最后一列取出来,放入分类标签向量中
if (listFromLine[-1] == 'didntLike'):
classLabelVector.append(1)
elif (listFromLine[-1] == 'smallDoses'):
classLabelVector.append(2)
else:
classLabelVector.append(3)
index += 1
return returnMat, classLabelVector
# 可视化特征矩阵和标签向量
def showdatas(datingDataMat, labels):
# 设置汉字格式
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
# 将画布分隔成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)
numOfLabels = len(labels)
LabelsColors = []
for i in labels:
if (i == 1):
LabelsColors.append('black')
elif (i == 2):
LabelsColors.append('orange')
elif (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'玩游戏所消耗的时间占比', FontProperties=font)
axs0_ylabel_text = axs[0][0].set_ylabel(u'每年获得的飞行常客里程数', FontProperties=font)
plt.setp(axs0_title_text, size=9, weight='bold', color='red')
plt.setp(axs0_xlabel_text, size=9, weight='bold', color='black')
plt.setp(axs0_ylabel_text, size=9, 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])
# 显示图像
plt.show()
# 开始处理数据,由于三个特征值的取值范围不一样大,我们认为三个特征值是同等重要的,所以进行数值归一化
def autoNorm(dataSet):
# 获取特征最大最小值
minVal = dataSet.min(0)
maxVal = dataSet.max(0)
# 最大值和最小值的范围
ranges = maxVal - minVal
# ndarray.shape()返回矩阵的行和列
normDataSet = np.zeros(np.shape(dataSet))
# 返回数据的行数
m = dataSet.shape[0]
# 原始值减去最小值
normDataSet = dataSet - np.tile(minVal, (m, 1))
normDataSet = normDataSet / np.tile(ranges, (m, 1))
# 返回归一化数据,数据范围,最小值
return normDataSet, ranges, minVal
# 使用KNN算法对数据进行分类
def classify0(inX, dataSet, labels, k):
""" k近邻算法
参数列表
inX:用于分类的输入向量inX
dataSet:训练集
labels:分类标签
k:KNN算法参数,选择距离最小的k个点
"""
# 获取训练集的行数
dataSetSize = dataSet.shape[0]
# 将inX在行向量方向重复dataSetSize次,然后元素一一对应相减
diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet # (x1-x),(y1-y)......
# 二维特征相减后平方
sqDiffMat = diffMat ** 2 # (x1-x)**2,(y1-y)**2......
# 求和
sqDistances = sqDiffMat.sum(axis=1) # (x1-x)**2+(y1-y)**2......
# 开方,计算出距离,至此inX到训练集每一向量的欧氏距离算出
distances = sqDistances ** 0.5 # ((x1-x)**2+(y1-y)**2)**1/2......
# 返回对distances从小到大排序后的索引值
sortedDistances = distances.argsort();
# 定义一个记录类别次数的字典
classCount = {}
for i in range(k):
# 取出排序后训练集前k个的类别
voteIlabel = labels[sortedDistances[i]]
# dict.get(key,default = None),字典的get()方法,返回指定键的值,如果键不在字典中返回默认值。
# 计算类别次数,此处键为标签,次数为值。
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
# 统计后对字典排序
# 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.items(), key=operator.itemgetter(1), reverse=True)
# 返回排序后字典中次数最高的键
return sortedClassCount[0][0]
# 分类器性能测试
def datingclassTest():
# 打开文件
filename = 'Datasource/KNN/datingTestSet.txt'
# 返回特征矩阵,标签向量
datingDataMat, label = fileMatrix(filename)
# 数据归一化,返回归一化后的矩阵,数值范围,最小值
normMat, ranges, minVal = autoNorm(datingDataMat)
# 归一化矩阵的行数
m = normMat.shape[0]
# 定义测试集比例
hoRatio = 0.10
# 测试集的数目
numTest = int(m * hoRatio)
# 分类错误计数
errorCount = 0.0
# 遍历测试集
for i in range(numTest):
# 前numTest作为测试集,后numTest用来作训练集
classifierResult = classify0(normMat[i, :], normMat[numTest:m, :], label[numTest:m], 4)
print("分类结果:%d\t真实类别:%d\n" % (classifierResult, label[i]))
if (classifierResult != label[i]):
errorCount += 1
print("错误率:%f%%" % (float(errorCount / numTest) * 100))
# 第三步,使用k近邻分析数据,将数据分类,给出预测,并将数据可视化展示
if __name__ == '__main__':
# # 文件路径
# filename = 'Datasource/KNN/datingTestSet.txt'
# # 解析文件生成特征矩阵,标签向量
# datingDataMat, label = fileMatrix(filename)
# # 把这两个家伙打印看看
# print(datingDataMat)
# print(label)
# # 展示数据的分布
# showdatas(datingDataMat, label)
# 验证分类器,在此采用留出法,9/10的样本作为训练集,1/10的样本作为测试集,随机抽样
datingclassTest()