机器学习之k近邻算法——5、约会网站的配对开发流程

1、从文本中解析数据（特征数据和标签数据分离）：file2matrix()

文本中的部分样本数据如下：

file2matrix()代码如下：

利用file2matrix()将特征值和标签值分离：

>>> import demo
>>> data,label=demo.file2matrix('D:\\datingTestSet.txt')

2、将特征数据归一化：autoNorm()

autoNorm()代码如下：

利用autoNorm()进行特征值归一化处理：

>>> import demo1
>>> normdata=demo1.autoNorm(data)
>>> normdata
array([[ 0.44832535,  0.39805139,  0.56233353],
       [ 0.15873259,  0.34195467,  0.98724416],
       [ 0.28542943,  0.06892523,  0.47449629],
       ..., 
       [ 0.29115949,  0.50910294,  0.51079493],
       [ 0.52711097,  0.43665451,  0.4290048 ],
       [ 0.47940793,  0.3768091 ,  0.78571804]])

3、将归一化的特征数据永久存储：pickle模块

利用Python的pickle模块存储归一化后的特征值data到本地硬盘空间中：

>>> import pickle as p
>>> data='D:\\data'
>>> f=open(data,'wb')
>>> p.dump(normdata,f)
>>> f.close()

4、基于kNN算法的分类器：classify0()

5、分类器算法的正确率测试：datingTest()

利用样本数据的10%作为测试数据，90%作为训练数据进入分类器，测试其正确率：

测试结果如下：

>>> import demo3
>>> demo3.datingTest()
The total error rate is: 0.040000

6、用户层输入交互：person()

测试结果：

>>> import demo4
>>> demo4.person()
玩游戏的时间：10000
飞行的时间：10
吃冰淇淋的公升数：0.5
You will like the person: smallDoses