KNN实战_改进约会网站的配对效果_knn改进约会网站配对效果-优快云博客

本文链接：https://blog.youkuaiyun.com/lezaimemecha/article/details/78940328

本文通过KNN算法改进约会网站的配对效果，详细介绍了数据读取、标准化、K-邻近算法实现及测试。使用sklearn库的KNeighborsClassifier能简化K-邻近算法的实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这次用KNN算法实战了改进约会网站的配对效果，将代码和思路记录下来作为以后思考和改进的模版，其中③K-临近算法实现代码可以用sklearn中的KNeighborsClassifier()代替

import numpy as np

import operator

from sklearn.neighbors import KNeighborsClassifier
import matplotlib.pyplot as plt
#①从文本中读取数据并转化成数据（group）和标签（labels）
def DataSet(filename):
    fr=open(filename)   #打开文本
    lines=fr.readlines() #逐行读取数据存放在lines中,形式为["","","",...""] 1000*1
    number_of_lines=len(lines)  #lines中数据的个数，即文本中的行数，本题为1000
    original_group=np.zeros((number_of_lines,3)) #创建存放数据的全零初始数组，3为参数的个数：即每年飞行里程数；玩游戏百分比，吃冰淇凌数量
    original_labels=[] #创建存放标签的空初始数组
    print(original_group)
    print(original_labels)
    index = 0 #改变index将不同行的数据存入初始数组
    for line in lines: #固定用法，逐行读取数据
        line=line.strip() #去除每行数据开头和结尾的空格符
        line=line.split("\t") #通过空格符将每行数据分割成元素列表。这里列表有4个元素,例子（第一行）：['40920', '8.326976',