本文深入探讨了KNN算法的原理与实现过程，通过一个具体的案例——约会网站的匹配系统，展示了如何利用KNN算法进行分类。文章首先介绍了算法的基本步骤，包括计算距离、选择最近邻居以及投票决定类别。随后，详细讲解了数据预处理的重要性，特别是归一化处理，以确保不同特征之间的公平比较。最后，通过实例演示了KNN算法在实际场景中的应用。
from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np
import operator
def classify0(inX,dataSet,labels,k):
#输入向量是inX，输入的训练样本集是dataSet,标签向量为labels,用于选择最近邻居的数目
dataSetSize=dataSet.shape[0]
#确定数据维数 (shape)
diffMat=np.tile(inX,(dataSetSize,1))-dataSet
#tile表示将inX复制dataSetSize行 1列 然后减去dataSet
#计算距离差
sqDiffMat=diffMat**2
# **表示乘方
sqDistances=sqDiffMat.sum(axis=1)
#.sum(axis=1)表示将矩阵每一行的元素相加
distances=sqDistances**0.5
sortedDistIndicies=distances.argsort()
#argsort函数返回的是数组值从小到大的索引值
classCount={}
for i in range(k):
voteIlabel=labels[sortedDistIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
#get()方法语法：dict.get(key, default=None)。key-字典中要查找的键。default-如果指定键的值不存在时，返回该默认值
# items()方法把字典中每对key和value组成一个元组，并把这些元组放在列表中返回
sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
#Python内置的排序函数sorted可以对list或者iterator进行排序
#sorted(iterable[, cmp[, key[, reverse]]])
#iterable指定要排序的list或者iterable
#cmp为函数，指定排序时进行比较的函数，可以指定一个函数或者lambda函数
#key为函数，指定取待排序元素的哪一项进行排序
#.itemgetter(1)按照第二个元素的次序对元组进行排序
#reverse参数就是一个bool变量，表示升序还是降序排列，默认为false（升序排列），定义为True时将按降序排列
return sortedClassCount[0][0]
def file2matrix(filename):
fr = open(filename, 'r', encoding='utf-8')
#open函数表示以读文件的模式打开一个文件对象，'r'表示读
arrayOLines = fr.readlines()
#readlines表示一次性读取整个文件
#扩展： read() 1、读取整个文件，将文件内容放到一个字符串变量中，如果需要对文件按行进行处理，则不可用该方法
# 2、如果文件大于可用内存(好几个G的)，不可能使用这种处理，系统会报错：MemoryError
# readline() 1、每次读取一行，比readlines()慢得多
# 2、readline()返回的是一个字符串对象，保存当前行的内容
# readlines（） 1、一次性读取整个文件。
# 2、自动将文件内容分析成一个行的列表。
arrayOLines[0] = arrayOLines[0].lstrip('\ufeff')
numberOfLines = len(arrayOLines)
returnMat = np.zeros((numberOfLines, 3))
# zeros表示给数组赋初始值的时候，赋值为0数组
#扩展：ones函数可以创建任意维度和元素个数的数组，其元素值均为1
# empty一样，只是它所常见的数组内所有元素均为空，没有实际意义
classLabelVector = []
index = 0
for line in arrayOLines:
line = line.strip()
#str.strip([chars]);移除字符串头尾指定的字符序列 ,chars - 移除字符串头尾指定的字符序列,如果chars参数没有指定，则默认是去掉空格
listFromLine = line.split('\t')
#split()：拆分字符串。通过指定分隔符对字符串进行切片，并返回分割后的字符串列表（list）
returnMat[index, :] = listFromLine[0:3]
#returnMat[index,:]表示对于returnMat这个二维矩阵，行取index所在的行，而列取全部列
if listFromLine[-1] == 'didntLike':
# if 会一直遍历完所有的if，不管你想判断的条件有没有遍历到，他都会继续执行完所有的if
classLabelVector.append(1)
#append在列表的最后添加元素，但是每次只能添加一个元素
#扩展：extend更像一个连接操作，即用一个列表扩充另一个列表。（依然在末尾位置）
elif listFromLine[-1] == 'smallDoses':
#elif 就是当走到符合查询条件的语句后，后面所有的elif和else就不会再被执行
classLabelVector.append(2)
elif listFromLine[-1] == 'largeDoses':
classLabelVector.append(3)
index += 1
return returnMat, classLabelVector
#datingDataMat,datingLabels=file2matrix('datingTestSet.txt')
#print(datingDataMat)
#print(datingLabels[0:20])
#fig=plt.figure()
#ax=fig.add_subplot(111)
#ax.scatter(datingDataMat[:,1],datingDataMat[:,2],15.0*np.array(datingLabels),15.0*np.array(datingLabels))
#plt.show()
def showdatas(datingDataMat, datingLabels):
#设置汉字格式
font = FontProperties(fname=r"c:\windows\fonts\simsunb.ttf", size=14) ##需要查看自己的电脑是否会包含该字体
#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
numberOfLabels = len(datingLabels)
LabelsColors = []
for i in datingLabels:
if i == 1:
LabelsColors.append('black')
if i == 2:
LabelsColors.append('orange')
if i == 3:
LabelsColors.append('red')
#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
plt.setp(axs0_title_text, size=9, weight='bold', color='red')
plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black')
plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')
#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
plt.setp(axs1_title_text, size=9, weight='bold', color='red')
plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black')
plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')
#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
plt.setp(axs2_title_text, size=9, weight='bold', color='red')
plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black')
plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
#设置图例
didntLike = mlines.Line2D([], [], color='black', marker='.',
markersize=6, label='didntLike')
smallDoses = mlines.Line2D([], [], color='orange', marker='.',
markersize=6, label='smallDoses')
largeDoses = mlines.Line2D([], [], color='red', marker='.',
markersize=6, label='largeDoses')
#添加图例
axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
#显示图片
plt.show()
#归一化数值
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals-minVals
normDataSet =np.zeros(np.shape(dataSet))
m = dataSet.shape[0]
normDataSet = dataSet-np.tile(minVals,(m,1))
normDataSet = normDataSet/np.tile(ranges,(m,1))
return normDataSet,ranges,minVals
#分类器针对约会网站的测试代码
def datingClassTest():
hoRatio=0.10
datingDataMat,datingLabels=file2matrix('datingTestSet.txt')
normMat,ranges,minVals=autoNorm(datingDataMat)
m=normMat.shape[0]
numTestVecs=int(m*hoRatio)
errorCount=0.0
for i in range(numTestVecs):
classifierResult=classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
print("the classifier came back with:%d,the real answer is:%d" % (classifierResult,datingLabels[i]))
if(classifierResult!=datingLabels[i]):errorCount += 1.0
print("the total error rate is: %f" %(errorCount/float(numTestVecs)))
#约会网站预测函数
def classifyPerson():
resultList=['not at all','in small doses','in large doses']
percentTats=float(raw_input("percentage of time spent playing video games?"))
#raw_input允许用户输入文本行命令并返回用户所输入的命令
ffMiles=float(raw_input("frequent flier miles earned per year?"))
iceCream=float(raw_input("liters of ice creamconsumed per year?"))
datingDataMat,datingLabels=file2matrix('datingTestSet.txt')
normMat,ranges,minVals=autoNorm(datingDataMat)
inArr=array([ffMiles,percentTats,iceCream])
classifierResult=classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
print("You will probably like this person:",resultList[classifierResult-1])
if __name__ == '__main__':
datingClassTest()
datingDataMat, datingLabels = file2matrix('datingTestSet.txt')
showdatas(datingDataMat, datingLabels)
扫一扫
315
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
