<机器学习实战>——k近邻算法

k近邻算法的大概思路：

       （1）求出需要预测类别的数据与每一个样本数据的距离，得出一个距离向量

       （2）对距离向量中的元素从小到大排序，选出前k个元素

       （3）找出前k个元素对应的标签，出现次数最多的标签即为它所属的类别。

用k近邻算法改进约会网站的配对效果

思路：

        （1）从文本文件datingTestSet2.txt  中解析数据

        （2）如果特征量的范围之间差的很多，则要对特征量进行归一化处理（减去最小值，再除以（最大值 - 最小值））

        （3）用k近邻算法进行分类的预测

        （4）测试代码，计算错误率

        （5）输入数据，进行预测

代码如下：

from numpy import *
import operator
def file2matrix(filename):
    fr=open(filename)
    arrayOLines=fr.readlines()
    m=len(arrayOLines)
    returnMat=zeros((m,3))
    labelVec=[]
    index=0
    for line in arrayOLines:
        line=line.strip()
        line=line.split('\t')
        returnMat[index,:]=line[0:3]
        labelVec.append(int(line[-1]))
        index+=1
    return returnMat, labelVec
    
def autoNorm(dataSet):
    minVals=dataSet.min(0)
    maxVals=dataSet.max(0)
    ranges=maxVals-minVals
    m=dataSet.shape[0]
    normDataSet=(dataSet-tile(minVals, (m,1)))/tile(ranges, (m,1))
    return normDataSet, minVals, ranges


def classify0(inX, dataSet, labelVec, k):
    m=len(labelVec)
    diffDis=(tile(inX, (m,1))-dataSet)**2
    distances=diffDis.sum(axis=1)
    sortedDistances=distances.argsort()
    classCount={}
    for i in range(k):
        labels=labelVec[sortedDistances[i]]
        classCount[labels]=classCount.get(labels,0)+1
        sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
    return sortedClassCount[0][0]
    
def datingClassTest():
    hoRatio=0.10
    returnMat, labelVec=file2matrix('datingTestSet2.txt')
    normDataSet, minVals, ranges=autoNorm(returnMat)
    m=len(labelVec)
    numTestVecs=int(m*hoRatio)
    errorCount=0.0
    for i in range(numTestVecs):
        classifierResult=classify0(returnMat[i,:],returnMat[numTestVecs:m,:],labelVec[numTestVecs:m],3)
        print "the predict result is:%d, the real answer is: %d" %(classifierResult, labelVec[i])
        if (classifierResult!=labelVec[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(raw_input("percentage of time spent playing video games?"))
    ffMiles=float(raw_input("frequent fliter miles earned per year?"))
    iceCream=float(raw_input("liters of ice cream consumed per year?"))
    returnMat, labelVec=file2matrix('datingTestSet2.txt')
    nromDataSet, minVals, ranges=autoNorm(returnMat)
    inArr=array([percentTats, ffMiles, iceCream])
    classifierResult=classify0((inArr-minVals)/ranges, returnMat, labelVec, 3)
    print "you will probably like this person:", resultList[classifierResult-1]