K-近邻算法改进约会网站的配对效果

from numpy import * '''numpy科学计算包,在抽象和处理矩阵运算上具有优势'''
import operator

'''导入数据,创建数据集和标签'''
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

'''实施kNN算法,构造分类器'''
'''inX:进行分类的数据;dataSet:训练样本集;labels:标签向量;k:KNN算法的参数k,用来选择最近邻居'''
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0] '''读取矩阵dataSet第一维度的长度即行数'''
    diffMat = tile(inX, (dataSetSize,1)) - dataSet '''将待进行分类的数据复制dataSetSize份,diffMat得到了目标与训练数值之间的差值'''
    sqDiffMat = diffMat**2 '''各个元素分别平方'''
    sqDistances = sqDiffMat.sum(axis=1) '''每一行元素之和'''
    distances = sqDistances**0.5'''开方求距离'''

    sortedDistIndicies = distances.argsort() '''将distance进行排序:由小到大'''

    classCount={}

    '''选择距离最小的K个点'''
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]] 
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 '''统计最后出现结果的不同标签值的数量,出现一次便加1,以此类推'''
    sortedclassCount = sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)'''按照从大到小的次序排序,最后返回发生频率最高的元素标签'''
return sortedclassCount[0][0]

def file2matrix(filename):
    fr = open(filename)
    arrayOLines = fr.readlines() '''按行读取文件'''
    numberOfLines = len(arrayOLines) '''文件的函数即为返回矩阵的行数'''
    returnMat = zeros((numberOfLines,3)) '''创建行数为numberOfLines,列数为3的0矩阵'''
    classLabelVector = []
    index = 0
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index,:] = [0:3]
        classLabelVector.append(int (listFromLine[-1])) '''将列表的最后一列存储在classLabelVector中,此处明确的通知解释器列表所存储的元素值为整型,否则Python语言会将这些元素当做字符串来处理'''
        index += 1

    return returnMat,classLabelVector

'''归一化特征值'''
def autoNorm(dataSet):
    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))   #element wise divide
    return normDataSet, ranges, minVals

'''分类器针对约会网站的测试代码''' 
def datingClassTest():
    hoRatio = 0.50      #hold out 10%
    datingDataMat,datingLabels = file2matrix('datingTestSet2.txt')       #load data setfrom file
    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],3)
        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))
    print errorCount


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值