分类问题 Python k-近邻算法 配对问题（学习笔记）

'''k-近邻算法实现约会网站的配对效果'''
from numpy import *
import operator

'''读取文件'''
def file2matrix(filename):
    f=open(filename)
    numberOflines=len(f.readlines())#读取所有行
    returnMat=zeros((numberOflines,3))
    classLabelVector=[]
    f=open(filename)
    index=0
    
    for line in f.readlines():
        line=line.strip()#去空格
        listFromline=line.split('\t')#通过指定分隔符切片
        returnMat[index,:]=listFromline[0:3]
        classLabelVector.append(listFromline[-1])
        index+=1
    return returnMat,classLabelVector

'''归一化'''
def autoNorm(dataSet):
    minVals=dataSet.min(0)#每一列最小/最大值
    maxVals=dataSet.max(0)
    ranges=maxVals-minVals
    normDataSet=zeros(shape(dataSet))
    m=dataSet.shape[0]
    normDataSet=dataSet-tile(minVals,(m,1))#重复m次
    normDataSet=normDataSet/tile(ranges,(m,1))
    return normDataSet,ranges,minVals

'''算距离'''
def classify0(inX,dataSet,labels,k):
    dataSetSize=dataSet.shape[0]
    diffMat=tile(inX,(dataSetSize,1))-dataSet
    sqDiffMat=diffMat**2
    sqDistances=sqDiffMat.sum(axis=1)
    distances=sqDistances**0.5
    sortedDist=distances.argsort()#从小到大
    classCount={}
    for i in range(k):
        votellabel=labels[sortedDist[i]]
        classCount[votellabel]=classCount.get(votellabel,0)+1
    sortclassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)#从大到小
    return sortclassCount[0][0]

'''测试准确率'''
'''90%训练，10%测试'''
def datingClassTest():
    hoRatio=0.1
    datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')#读取数据
    normMat,ranges,minVals=autoNorm(datingDataMat)#归一化
    m=normMat.shape[0]
    numTestVecs=int(m*hoRatio)
    errorCount=0
    for i in range(numTestVecs):
        classifierResult=classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
        #print("分类器返回的值：%s，正确的值：%s"%(classifierResult,datingLabels[i]))
        
        if(classifierResult!=datingLabels[i]):
            errorCount+=1
            print("第%d个错了"%(int(i+1)))
            print("分类器返回的值：%s，正确的值：%s"%(classifierResult,datingLabels[i]))
    print("总错误率是：%f"%(errorCount/float(numTestVecs)))
    print("错误个数：%f"%(errorCount))
    
datingClassTest()

输出结果：

第23个错了
分类器返回的值：3，正确的值：2
第75个错了
分类器返回的值：3，正确的值：1
第84个错了
分类器返回的值：3，正确的值：1
第92个错了
分类器返回的值：2，正确的值：3
第100个错了
分类器返回的值：3，正确的值：1
总错误率是：0.050000
错误个数：5.000000

'''预测'''
def classifyPerson():
    resultList=['不喜欢','一般喜欢','特别喜欢']
    f=float(input('每年坐飞机多少公里'))
    p=float(input('玩游戏的时间占比'))
    i=float(input('每年吃多少公升冰淇淋'))
    datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
    normMat,ranges,minVals=autoNorm(datingDataMat)
    inArr=array([f,p,i])
    classifierResult=classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
    print("你对这个人的感觉是：",resultList[int(classifierResult)-1])
    
classifyPerson()

输出结果：

每年坐飞机多少公里2222
玩游戏的时间占比0.6
每年吃多少公升冰淇淋1
你对这个人的感觉是： 一般喜欢