KNN算法的学习自我总结

使用KNN算法的一般步骤：

        1、获取数据并转换数据格式（基本上就是转换为一个列表的形式，前面几列都是数据的相关参数，最后一列是该行数据的一个类别）

        2、准备数据：归一化数值

在处理不同取值范围的特征值时，通常采用数值的归一化，如将取值范围处理为0到1或者-1到1之间

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

         3、测试算法

        4、使用算法

一、准备数据

生成我们需要的已知的一个对应关系，即我们的数据（group）和改数据对应的类别（labels）

def createDataSet():
    group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
    labels = ['A','A','B','B']
    return group,labels

要求labels包含的元素个数等于group矩阵的行数

二、实施KNN分类算法

基本思路：计算已知点（group）与当前点之间的距离,然后将距离按递增排序，选取与当前点距离最小的前K个点，确定该K个点中它们对应类别出现的频率，返回该K个点中频率最高的类别属性，则当前点即被预测为该类别属性。

#k-临近算法
def classify0(inX, dataSet, labels, k):     #这里第一个inX即为你要判断的数据，后边的dataSet和labels则对应前面的已知的group和labels,
    dataSetSize = dataSet.shape[0]      #获取dataSet的行数
    #接下来几步为求解欧式距离
    diffMat = tile(inX,(dataSetSize,1)) - dataSet   
    sqDiffMat = diffMat**2      #平方
    sqDistances = sqDiffMat.sum(axis=1)    
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()    #对distances的数据进行排序，并返回下标数组
    classCount = {}     #创建了一个空字典
    for i in range(k):  #选择距离最小的k个点
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1   #利用字典统计数组中的元素出现的次数
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]   #返回最相似的值

三、完整代码

from numpy import *
import  operator
import matplotlib
import matplotlib.pyplot as plt
def file2matrix(filename):
    fr = open(filename)     #打开文件
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = zeros((numberOfLines,3))
    classLabelVector = []
    index = 0
    for line in arrayOLines:
        line = line.strip() #用于删除每行首部的空格    round(float("1.0"))
        listFromLine = line.split('\t')
        returnMat[index,:] = listFromLine[0:3]  #将前面三列数据存入到数组里面，即生成group数组
        classLabelVector.append(0.01*ord(listFromLine[-1][0]))      #将最后一列数据存放到一个向量里面，即labels向量
        index += 1
    return returnMat,classLabelVector       #返回group 数组labels
def autoNorm(dataSet):      #将数据转换为0和1之间
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = zeros(shape(dataSet))
    m = dataSet.shape[0]
    normDataSet = dataSet - tile(minVals,(m,1))
    normDataSet = normDataSet/tile(ranges,(m,1))
    return normDataSet,ranges,minVals
def classify0(inX, dataSet, labels, k):     #这里第一个inX即为你要判断的数据，后边的dataSet和labels则对应前面的已知的group和labels,
    dataSetSize = dataSet.shape[0]      #获取dataSet的行数
    #接下来几步为求解欧式距离
    diffMat = tile(inX,(dataSetSize,1)) - dataSet   #待定，看不懂？？？？
    sqDiffMat = diffMat**2      #平方
    sqDistances = sqDiffMat.sum(axis=1)     #待定，看不懂？？？？？
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()    #对distances的数据进行排序，并返回下标数组
    classCount = {}     #创建了一个空字典
    for i in range(k):  #选择距离最小的k个点
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1   #利用字典统计数组中的元素出现的次数
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]   #返回最相似的值
datingDataMat,datingLabels = file2matrix('helen.txt')

normMat,ranges,minVals = autoNorm(datingDataMat)
print(normMat)
def datingClassTest():
    hoRatio = 0.10
    datingDataMat,datingLabels = file2matrix('helen.txt')
    normMat,ranges,minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]
    numTestVecs = int(m*hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],4)
        print('the classifier came back with: %d,the real answer is: %d'%(classifierResult,datingLabels[i]))
        if(classifierResult != datingLabels[i]):
            errorCount +=1.0
        print('the total error rate is:%f'%(errorCount/float(numTestVecs)))
def classifyPerson():
    resultList = ['not at all','in small doses','in large doses']
    percentTats = float(input("percentage of time spent playing video games??"))
    ffMiles = float(input("frequent flier miles earned per year?"))
    iceCream = float(input('liters of ice cream consumed per year?'))
    datingDataMat,datingLabels = file2matrix('helen.txt')
    normMat,ranges ,minVals = autoNorm(datingDataMat)
    inArr = array([ffMiles,percentTats,iceCream])
    classifierResult = classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
    print("you will probably like this person:",(resultList[int(classifierResult-1)]))
if __name__ == '__main__':

    classifyPerson()