1、k-邻近算法
来源:互联网 发布:nba2k16流川枫捏脸数据 编辑:程序博客网 时间:2024/04/19 22:32
1、首先要搭建环境
这里需要numpy、scipy、matplotlib三个库,下载地址如下,双击安装即可:
(需要注意python的版本号和32/64位)
numpy:http://sourceforge.net/projects/numpy/files/NumPy/1.7.0/
matplotlab:http://sourceforge.net/projects/matplotlib/files/matplotlib/matplotlib-1.1.1/
scipy:http://sourceforge.net/projects/scipy/files/scipy/0.12.0/
然后来个最简单的例子:
import pylab as pllistOfInt = []for c in range(10): listOfInt.append(c*2)print listOfIntpl.plot(listOfInt)pl.show()
这个程序相当于绘制y=2x的图像
结果如下:
2、k-邻近算法
kNN算法非常简单,不再详述它的思路。这段代码来自《机器学习实战》一书,感觉数据集挺理想化的,分类出来效果还是不错的。
代码中只对classify0做了详细注释,其他部分不太重要,我们可以忽略。
测试代码:
# -*- coding: utf-8 -*- from numpy import *import operatorimport matplotlibimport matplotlib.pyplot as pltfrom os import listdirdef createDatabase(): groups=array([[1.0,1,1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] return groups,labelsdef classify0(inX, dataSet, labels, k): dataSetSize = dataSet.shape[0] #shape[0]就是读取矩阵第一维度的长度 diffMat = tile(inX, (dataSetSize,1)) - dataSet #tile:构造dataSetSize*1个copy sqDiffMat = diffMat**2 #各个项平方 sqDistances = sqDiffMat.sum(axis=1)#sum(axis=0),普通相加;axis=1,将一个矩阵的每一行向量相加 distances = sqDistances**0.5 #开根 sortedDistIndicies = distances.argsort() #argsort:返回排序的位次,参考补充1 classCount={} for i in range(k): #这是一段计数过程 voteIlabel = labels[sortedDistIndicies[i]] classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #sorted参考python下相关日志 sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #iteritor是迭代器的意思,一次返回一个数据项,直到没有为止 #operator模块提供的itemgetter函数用于获取对象的哪些维的数据,参数为一些序号(即需要获取的数据在对象中的序号) return sortedClassCount[0][0]def file2matrix(filename): fr = open(filename) numberOfLines = len(fr.readlines()) #get the number of lines in the file returnMat = zeros((numberOfLines,3)) #prepare matrix to return classLabelVector = [] #prepare labels return fr = open(filename) index = 0 for line in fr.readlines(): line = line.strip() listFromLine = line.split('\t') returnMat[index,:] = listFromLine[0:3] classLabelVector.append(int(listFromLine[-1])) index += 1 return returnMat,classLabelVectordef 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)) #element wise divide return normDataSet, ranges, minValsdef datingClassTest(): hoRatio = 0.50 #hold out 10% datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #load data setfrom file 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)) print errorCountdef 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 returnVectdef handwritingClassTest(): hwLabels = [] trainingFileList = listdir('trainingDigits') #load the training set m = len(trainingFileList) trainingMat = zeros((m,1024)) for i in range(m): fileNameStr = trainingFileList[i] fileStr = fileNameStr.split('.')[0] #take off .txt classNumStr = int(fileStr.split('_')[0]) hwLabels.append(classNumStr) trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) testFileList = listdir('testDigits') #iterate through the test set errorCount = 0.0 mTest = len(testFileList) for i in range(mTest): fileNameStr = testFileList[i] fileStr = fileNameStr.split('.')[0] #take off .txt 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))if __name__ == "__main__": #约会测试 datingClassTest() #手写测试 handwritingClassTest()
测试结果:
约会:the total error rate is: 0.064000
手写数字:the total error rate is: 0.011628
感觉挺准的,有点离谱了
我猜想数据集是线性可分的(或者近似线性可分),才会得到这么好的结果。
如图,分的还是挺开的。
0 0
- 1、k-邻近算法
- k-邻近算法
- K-最邻近算法
- K-邻近算法
- K-邻近算法
- k邻近算法
- k-邻近算法学习
- KNN-K邻近算法
- k-邻近算法
- K邻近算法
- k-邻近算法笔记
- K邻近算法
- K邻近算法
- K邻近算法
- K-邻近算法
- K邻近算法(KNN)
- k邻近算法
- 【数据挖掘】k-邻近算法
- 慕课网——JDOM解析XML
- hihocoder1182欧拉回路
- 【机房收费系统】机房收费系统之删除用户
- linux搭建Apache服务(未经测试,先转再说)
- 关于服务器和虚拟主机的区别
- 1、k-邻近算法
- poj-2758 Checking the Text
- App11_05_Runnable接口程序模拟航班售票系统
- CodeForces#313 D. Equivalent Strings
- Lightoj 1062 - Crossed Ladders【二分】
- 北航11年机试--从键盘输入包含扩展符'-'的字符串,将其扩展为等价的完整字符(C语言实现)
- App11_06_多线程同步
- 类的扩展
- 黑马程序员——第六篇_网络编程