机器学习实战之k-近邻算法（3）---如何可视化数据

关于可视化：

《机器学习实战》书中的一个小错误，P22的datingTestSet.txt这个文件，根据网上的源代码，应该选择datingTestSet2.txt这个文件。主要的区别是最后的标签，作者原来使用字符串‘veryLike’作为标签，但是Python转换会出现ValueError: invalid literal for int() with base 10: 'largeDoses'的错误。所以改成后面的文件就可以了。后面直接用1 2 3 代表not like， general like, very like。这个错误一开始用百度查不到，改用Google（反向代理），第二个链接就是。哎。。。国内啊。。。

[python]  view plain  copy

 

1. from numpy import *  
2. import operator  
3. #创建数据集  
4. def createDataSet():  
5.     group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])  
6.     labels = ['A', 'A', 'B', 'B']  
7.     return group, labels  
8. #根据输入测试实例进行k-近邻分类  
9. def classify0(inX, dataSet, labels, k):  
10.     dataSetSize = dataSet.shape[0]  
11.     diffMat = tile(inX, (dataSetSize, 1)) - dataSet  
12.     sqDiffMat = diffMat ** 2  
13.     sqDistances = sqDiffMat.sum(axis=1)  
14.     distances = sqDistances**0.5  
15.     sortedDistIndicies = distances.argsort()  
16.     classCount = {}  
17.     for i in range(k):  
18.         voteIlabel = labels[sortedDistIndicies[i]]  
19.         classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1  
20.     sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse=True)  
21.     return sortedClassCount[0][0]  
22. #处理输入格式问题，从文件中读取数据  
23. def file2matrix(filename, dim2):  
24.     fr = open(filename)  
25.     arrayOLines = fr.readlines()  
26.     numberOfLines = len(arrayOLines)  
27.     returnMat = zeros((numberOfLines, dim2))  
28.     classLabelVector = []  
29.     index = 0  
30.     for line in arrayOLines:  
31.         line = line.strip()  
32.         listFromLine = line.split('\t')  
33.         returnMat[index, :] = listFromLine[0:dim2]  
34.         classLabelVector.append(int(listFromLine[-1]))  
35.         index += 1  
36.     return returnMat, classLabelVector  

[python]  view plain  copy

 

1. >>>import kNN  
2. >>> reload(kNN)  
3. <module 'kNN' from 'kNN.pyc'>  
4. >>> datingDataMat, datingLabels = kNN.file2matrix('datingTestSet2.txt', 3)  

得到了约会网站的数据之后，我们可以可视化出来。

利用Matplotlib创建散点图，python(x, y)内嵌这个，直接import即可。

[python]  view plain  copy

 

1. >>> mimport matplotlib.pyplot as plt  
2. >>> fig = plt.figure()  
3. >>> ax = fig.add_subplot(111) >>> ax.scatter(datingDataMat[:,1], datingDataMat[:,2])  
4. >>> plt.show()  

 

这个是“玩视频游戏消耗时间比”和“每周所消费的冰淇淋公升数”的二维图。

需要不同的颜色来得到更好的可视化效果。

scatter函数的使用。

[python]  view plain  copy

 

1. ax.scatter(datingDataMat[:,1], datingDataMat[:, 2], 15.0*array(datingLabels), 15.0*array(datingLabels))  

这句代码替换前面的对应代码，如果出现name 'array' is not defined ,请在前面加这句:

 

[python]  view plain  copy

 

1. from numpy import *  

下面是青色，暗红色，黑色三种点，是利用了15 *　datingLabels的1， 2， 3作为不同点的颜色和尺寸。

转载于:https://www.cnblogs.com/liqu/p/9020590.html