机器学习实战笔记二_Python3

程序清单2-2 

个人程序注释+Python3 部分代码改造（针对int（listFromLine[-1]）编译不通过的调整）

先贴2-2的伪代码函数：

[python]  view plain  copy

1. def file2matrix(filename):  
2.     #open a file, default: 'r'ead  
3.     fr = open(filename)  
4.     #一次读取所有行  
5.     arrayOLines = fr.readlines()  
6.     #得到行数  
7.     numberOfLines = len(arrayOLines)  
8.     #1000*3 zeros matrix,row-1000, column-3  
9.     returnMat = zeros((numberOfLines,3))  
10.     #声明  
11.     classLabelVector = []  
12.     classLabelVector_Value = []  
13.     index = 0  
14.     #逐行扫描  
15.     for line in arrayOLines:  
16.         #strip函数会删除头和尾的字符，中间的不会删除  
17.         line = line.strip()  
18.         #删除‘\t’字符，仅剩下数据，供使用  
19.         listFromLine = line.split('\t')  
20.         #得到前三列数据，即飞行时间，游戏，冰激凌  
21.         returnMat[index, :] = listFromLine[0:3]  
22.         #得到largeDoses，smallDoses，didntLike的label  
23.         classLabelVector.append(listFromLine[-1])      #无法将largeDoses，smallDoses，didntLike  
24.                                                        #转换为int。基于这个思想，我们在这里将得到的行矩阵建立  
25.                                                        #一个数值矩阵与之对应，暂时这样处理，不合适再继续修改  
26.         if classLabelVector[index] == 'largeDoses':  
27.             classLabelVector_Value.append(3)  
28.         elif classLabelVector[index] == 'smallDoses':  
29.             classLabelVector_Value.append(2)  
30.         else:  
31.             classLabelVector_Value.append(1)  
32.         index += 1  
33.     return returnMat, classLabelVector_Value  

然后是能运行的整个kNN.py

[python]  view plain  copy

1. #批量注释、批量取消注释 Ctrl+/  
2. # from __future__ import print_function  
3. from  numpy import *  
4. import operator#运算符模块  
5.   
6. def createDataSet():  
7.     group = array([[1.0,1.1],[1.0,1.0],[0,0],[0, 0.1]])  
8.     labels = ['A','A','B','B']  
9.     return group,labels  
10.   
11. group,labels=createDataSet()  
12.   
13. def classify0(inX, dataSet, labels, k): #inX: 待测试数据 ;  dataSet: 训练样本集  
14.     dataSetSize = dataSet.shape[0]      #to get the rows of the matrix  
15.     # to get the Xi-Yi of the dataSet  
16.     diffMat = tile(inX, (dataSetSize,1)) - dataSet      #a=[1 2],b=[2 3];tile(a,b) to generate 2*3 matrix when  
17.                                                         #the element all is a [1 2]  
18.     sqDiffMat = diffMat**2  
19.     sqDistances = sqDiffMat.sum(axis=1)         #使每行的元素相加，得到测试样本与各训练样本distance**2  
20.                                                 #axis=0，按列相加；axis=1，按行相加；  
21.     distances = sqDistances**0.5  
22.     sortedDistIndicies = distances.argsort()    #将distance中的元素从小到大排列，  
23.                                                 # 提取其对应的index(索引)，然后输出到 sortedDistIndicies  
24.    #声明一个dict：{key:value1,key2:value2}  
25.     classCount={}  
26.     for i in range(k):  
27.         voteIlabel = labels[sortedDistIndicies[i]]  
28.         #classCount= {'B': 2, 'A': 1}，初始化后，classCount每得到一个相同的voteIlabel，就+1  
29.         classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1       #当我们获取字典里的值的时候，一个是通过  
30.                                                                         # 键值对，即dict['key'],另一个就是dict.get()方法  
31.                                                                         # dict.get(voteIlabel,0) = 0, 此处0 to be initiated,  
32.                                                                         #  之后就没有作用了。  
33.     #items方法是可以将字典中的所有项，以列表方式返回。 iteritems方法与items方法相比作用大致相同，只是它的返回值不是列表，而是一个迭代器  
34.     #Python3 中没有iteritems函数，需要用values()代替，并用list转为列表  
35.     # sortedClassCount = sorted((key_label, value_num), key=operator.itemgetter(1), reverse=True)  
36.     #python3中无法使用iteritems，需要对上面这句话改造，我们通过得到两个list，得到出现频率最高的label  
37.     key_label=list(classCount.keys())  
38.     value_num=list(classCount.values())  
39.     #label出现频率由小到大排列，并返回索引index  
40.     sortedvalue_num_indicies = argsort(value_num)  
41.     #返回频率最大的label  
42.     return key_label[len(sortedvalue_num_indicies)-1]  
43.   
44. # group,labels = createDataSet()  
45. # a=classify0([0,0], group,labels,3)  
46. # print(a)  
47.   
48. def file2matrix(filename):  
49.     #open a file, default: 'r'ead  
50.     fr = open(filename)  
51.     #一次读取所有行  
52.     arrayOLines = fr.readlines()  
53.     #得到行数  
54.     numberOfLines = len(arrayOLines)  
55.     #1000*3 zeros matrix,row-1000, column-3  
56.     returnMat = zeros((numberOfLines,3))  
57.     #声明  
58.     classLabelVector = []  
59.     classLabelVector_Value = []  
60.     index = 0  
61.     #逐行扫描  
62.     for line in arrayOLines:  
63.         #strip函数会删除头和尾的字符，中间的不会删除  
64.         line = line.strip()  
65.         #删除‘\t’字符，仅剩下数据，供使用  
66.         listFromLine = line.split('\t')  
67.         #得到前三列数据，即飞行时间，游戏，冰激凌  
68.         returnMat[index, :] = listFromLine[0:3]  
69.         #得到largeDoses，smallDoses，didntLike的label  
70.         classLabelVector.append(listFromLine[-1])      #无法将largeDoses，smallDoses，didntLike  
71.                                                        #转换为int。基于这个思想，我们在这里将得到的行矩阵建立  
72.                                                        #一个数值矩阵与之对应，暂时这样处理，不合适再继续修改  
73.         if classLabelVector[index] == 'largeDoses':  
74.             classLabelVector_Value.append(3)  
75.         elif classLabelVector[index] == 'smallDoses':  
76.             classLabelVector_Value.append(2)  
77.         else:  
78.             classLabelVector_Value.append(1)  
79.         index += 1  
80.     return returnMat, classLabelVector_Value  

Pycharm同一工程中再输入一下代码，可以进行验证：

[html]  view plain  copy

1. datingDataMat,datingLabels = file2matrix('datingTestSet.txt')  
2. print(datingDataMat)  
3. print(datingLabels[0:20])  

结束！

####################################################

转自：https://blog.youkuaiyun.com/shunquanlan9446/article/details/79748284