K近邻改进约会网站（四）：测试算法

def datingClassTest():      #测试函数
    hoRatio = 0.10   #设置比例
    datingDataMat, datingLabels = file2matrix('datingTestSet2.txt')   #返回文本文件处理的数据，分别是3列特征值和一列标签
    normMat, ranges, minVals = autoNorm(datingDataMat)    #返回归一化之后的数据，分别是3列特征值，一行1*3的最大最小值之差，1*3的每列最小值
    m = normMat.shape[0]   # m为数据的总数
    numTestVecs = int(m * hoRatio)   #验证的数据个数为数据总数乘以0.1
    errorCount = 0.0   #错误个数暂时定为0个等待增加
    for i in range(numTestVecs):    #循环100次
        classifierResult = classify0(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)
        #第一次循环为第一行数据(x1,y1,z1)与后面的900个点分别计算欧式距离，取最近的3个值的标签，取标签重复次数最多的
        print('the classifier came back with: %s, the real answer is %s' %(classifierResult, datingLabels[i]))
        #分别显示算法的分类标签和真实标签
        if (classifierResult != datingLabels[i]):
            errorCount += 1.0
    print("the total error rate is: %f" %(errorCount / float(numTestVecs)))

学习要点：

python中的int，float

链接：https://www.cnblogs.com/lulipro/p/5059622.html