《机器学习实战》读书笔记:第二章 k-近邻算法
来源:互联网 发布:淘宝9.9包邮专区在哪 编辑:程序博客网 时间:2024/05/17 22:01
第二章 k-近邻算法
电影按照题材分类
距离测量
2.1 k-近邻算法概述
测量不同特征值之间的距离方法进行分类
kNN:样本集中每个数据都存在标签,输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。只选择样本数据集中前k个最相似的数据,最后选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
2.1.1 准备:使用Python导入数据
可视化处理三维以下的事物
数据可视化
2.1.2 从文本文件中解析数据
欧氏距离公式
from numpy import *import operatordef createDataSet(): group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels = ['A','A','B','B'] return group, labelsdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] diffMat = tile(inX, (dataSetSize, 1)) - dataSet sqDiffMat = diffMat**2 sqDistances = sqDiffMat.sum(axis=1) distances = sqDistances**0.5 sortedDistIndicies = distances.argsort() classCount = {} for i in range(k): voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) return sortedClassCount[0][0]group, labels = createDataSet()print classify0([0,0], group, labels, 3)
2.1.3 如何测试分类器
分类器的错误率:分类器给出错误结果的次数除以测试执行的总数
2.2 示例:使用k-近邻算法改进约会网站的配对效果
2.2.1 准备数据:从文本文件中解析数据
def file2matrix(filename): fr = open(filename) arrayOLines = fr.readlines() numberOfLines = len(arrayOLines) returnMat = zeros((numberOfLines,3)) classLabelVector = [] index = 0 for line in arrayOLines: line = line.strip() listFromLine = line.split('\t') returnMat[index,:] = listFromLine[0:3] classLabelVector.append(int(listFromLine[-1])) index += 1 return returnMat, classLabelVector
NumPy数组和Python数组
2.2.2 分析数据:使用Matplotlib创建散点图
fig = plt.figure()ax = fig.add_subplot(111)ax.scatter(datingDataMat[:,0],datingDataMat[:,1],15.0*array(datingLabels),15.0*array(datingLabels))plt.show()
2.2.3 准备数据:归一化数值
- 三个等权重的特征
- 处理不同取值范围的特征值,将数值归一化,将取值范围处理为0到1或者-1到1之间
- newValue = (oldValue-min)/(max-min)转化为0到1区间的值
- tile()函数:将变量内容复制成输入矩阵相同大小的矩阵
def autoNorm(dataSet): minVals = dataSet.min(0) maxVals = dataSet.max(0) ranges = maxVals - minVals normDataSet = zeros(shape(dataSet)) m = dataSet.shape[0] normDataSet = dataSet - tile(minVals, (m,1)) normDataSet = normDataSet/tile(ranges, (m,1)) return normDataSet, ranges, minVals
2.2.4 测试算法:作为完整程序验证分类器
评估算法的正确率:提供已有数据的90%作为训练样本来训练分类器,使用其余的10%数据去测试分类器,检测分类器的正确率。
10%的测试数据随机选择
错误率:分类器给出错误结果的次数除以测试数据的总数
得到可靠的数据
分类算法、数据集和程序设置
def datingClassTest(): hoRatio = 0.10 datingDataMat, datingLabels = file2matrix('datingTestSet2.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))
2.2.5 使用算法:构建完整可用系统
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 flier miles earned per year?")) iceCream = float(raw_input("liters of ice cream consumed per year?")) datingDataMat, datingLabels = file2matrix('datingTestSet2.txt') normMat, ranges, minVals = autoNorm(datingDataMat) inArr = array([ffMiles, percentTats, iceCream]) print inArr classifierResult = classify0((inArr-minVals)/ranges,normMat,datingLabels,3) print "You will probably like this person: ", resultList[classifierResult-1]
2.3 示例:手写识别系统
需要识别的数字已经使用图形处理软件,处理成具有相同的色彩和大小。
将图像转换为文本格式。
2.3.1 准备数据:将图像转换为测试向量
将一个32*32的二进制图像矩阵转换为1*1024的向量。
def img2vector(filename): returnVect = zeros((1,1024)) fr = open(filename) for i in range(32): lineStr = fr.readline() for j in range(32): returnVect[0,32*i+j] = int(lineStr[j]) return returnVect
2.3.2 测试算法:使用k-近邻算法识别手写数字
def handwritingClassTest(): hwLabels = [] trainingFileList = listdir('trainingDigits') m = len(trainingFileList) trainingMat = zeros((m,1024)) for i in range(m): fileNameStr = trainingFileList[i] fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) testFileList = listdir('testDigits') errorCount = 0.0 mTest = len(testFileList) for i in range(mTest): fileNameStr = testFileList[i] fileStr = fileNameStr.split('.')[0] classNumStr = int(fileStr.split('_')[0]) vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) print "the classifier came back with: %d, the real answer is: %d" % (classifierResult, classNumStr) if(classifierResult != classNumStr): errorCount += 1.0 print "\nthe total number of errors is: %d" % errorCount print "\nthe total error rate is: %f" % (errorCount/float(mTest))
k决策树是k-近邻算法的优化版,可以节省大量的计算开销。
2.4 本章小结
无法给出任何数据的基本结构信息,无法知晓平均实例样本和典型实例样本具有什么特征。
使用概率测量方法处理分类问题。
0 0
- 《机器学习实战》读书笔记:第二章 k-近邻算法
- 《机器学习实战》读书笔记 第二章 k-近邻算法
- 《机器学习实战》学习-第二章 k-近邻算法
- 机器学习实战---读书笔记: 第2章 k-近邻算法
- 机器学习实战——第二章:K-近邻算法
- 【1】机器学习实战 第二章 k近邻算法
- 《机器学习实战》第二章 - k-近邻算法
- 机器学习实战第二章K近邻算法照葫芦画瓢实践。
- 《机器学习实战》第二章 k-近邻算法
- 机器学习实战-第二章(k-近邻算法)
- 机器学习实战笔记(第二章:k近邻算法)
- 《机器学习实战》读书笔记之k-近邻算法
- 机器学习实战读书笔记-第一章k-近邻算法
- 《Python机器学习实战》第一章读书笔记:k-近邻算法
- 机器学习实战——K-近邻算法(读书笔记)
- 机器学习实战读书笔记(二) K-近邻算法
- [完]机器学习实战 第二章 k-近邻算法(k Nearest Neighbor)
- 《机器学习实战》第二章 2.1 k-近邻
- 一个漂亮的PHP验证码
- HDU 1431 素数回文
- VS2012通过ThoughtWorks-GO自动构建出现error MSB4018问题
- Nutch 2.4 Mechanism Notes Part 6 - Solrindex
- python之字符串
- 《机器学习实战》读书笔记:第二章 k-近邻算法
- 手斧Linux – 从LFS到Funtoo (129)
- Android中ShareUserId注意问题
- chrome debuge(F12)调试代码后直接保存方法
- Android studio第一次导入项目遇到的问题,和解决方案
- iOS开发:Toast for iPhone 实例分享
- IOS内存管理浅析
- Android SDK中的Support兼容包详解
- 手斧Linux – 从LFS到Funtoo (130)