python实现特征向量的knn分类
来源:互联网 发布:淘宝的目标市场 编辑:程序博客网 时间:2024/06/01 14:21
这是一个使用knn把特征向量进行分类的demo。
Knn算法的思想简单说就是:看输入的sample点周围的k个点都属于哪个类,哪个类的点最多,就把sample归为哪个类。也就是说,训练集是一些已经被手动打好标签的数据,knn会根据你打好的标签来挖掘同类对象的相似点,从而推算sample的标签。
Knn算法的准确度受k影响较大,可能需要写个循环试一下选出针对不同数据集的最优的k。
至于如何拿到特征向量,可以参考之前的博文。
代码:
#-*- coding: utf-8 -*-
__author__ = 'Rossie'
from numpyimport *
import operator
'''构造数据'''
def createDataSet():
characters=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels=['A','A','B','B']
return characters,labels
'''从文件中读取数据,将文本记录转换为矩阵,提取其中特征和类标'''
def file2matrix(filename):
fr=open(filename)
arrayOLines=fr.readlines()
numberOfLines=len(arrayOLines) #得到文件行数
returnMat=zeros((numberOfLines,3)) #创建以零填充的numberOfLines*3的NumPy矩阵
classLabelVector=[]
index=0
for linein arrayOLines: #解析文件数据到列表
line=line.strip()
listFromLine=line.split('\t')
returnMat[index, :]=listFromLine[0:3]
classLabelVector.append(listFromLine[-1])
index+=1
return returnMat,classLabelVector #返回特征矩阵和类标集合
'''归一化数字特征值到0-1范围'''
'''输入为特征值矩阵'''
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
def classify(sample,dataSet,labels,k):
dataSetSize=dataSet.shape[0] #数据集行数即数据集记录数
'''距离计算'''
diffMat=tile(sample,(dataSetSize,1))-dataSet #样本与原先所有样本的差值矩阵
sqDiffMat=diffMat**2 #差值矩阵平方
sqDistances=sqDiffMat.sum(axis=1) #计算每一行上元素的和
distances=sqDistances**0.5 #开方
sortedDistIndicies=distances.argsort() #按distances中元素进行升序排序后得到的对应下标的列表
'''选择距离最小的k个点'''
classCount={}
for iin range(k):
voteIlabel=labels[sortedDistIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
'''从大到小排序'''
sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
'''针对约会网站数据的测试代码'''
def datingClassTest():
hoRatio=0.20 #测试样例数据比例
datingDataMat,datingLabels=file2matrix('datingTestSet1.txt')
normMat, ranges, minVals=autoNorm(datingDataMat)
m =normMat.shape[0]
numTestVecs=int(m*hoRatio)
errorCount=0.0
k=4
for iin range(numTestVecs):
classifierResult=classify(normMat[i, : ],normMat[numTestVecs:m, : ],datingLabels[numTestVecs:m],k)
print("The classifier came back with: %s, thereal answer is: %s"%(classifierResult, datingLabels[i]))
if(classifierResult!= datingLabels [i] ) :
errorCount += 1.0
print("the total error rate is: %f"% (errorCount/float(numTestVecs)))
def main():
sample=[0,0]#简单样本测试
sampleText = [39948,6.830795,1.213342]#文本中向量样本测试
k=3
group,labels=createDataSet()
label1=classify(sample,group,labels,k)#简单样本的分类结果
fileN = "datingTestSet.txt"
matrix,label = file2matrix(fileN)
label2 =classify(sampleText,matrix,label,k)#文本样本的分类结果
print("ClassifiedLabel of the simple sample:"+label1)
print("Classified Label of the textsample:"+label2)
if __name__=='__main__':
main()
#datingClassTest()
- python实现特征向量的knn分类
- 【C++】基于特征向量的KNN分类算法
- Python实现的KNN分类器
- Python实现kNN分类算法
- kNN分类算法python实现
- KNN分类算法Python实现
- KNN 图像分类python实现
- KNN分类算法的实现
- KNN-分类算法的实现
- KNN的python实现
- 利用python实现KNN分类器
- 用python实现kNN分类算法
- Python实现KNN算法项目 --- 水果分类
- kNN分类原理以及python实现手写数字分类
- Python KNN 情感分类
- KNN算法的Python实现
- KNN算法的Python实现
- KNN算法的Python实现
- 51nod 1605 棋盘问题(博弈)
- 和阿里云实现ftp传输
- 汇编基础入门知识
- JS实现页面超时后自动跳转到登陆页面
- Pure按钮
- python实现特征向量的knn分类
- 实现Ajax的方式
- Oracle数据库名、实例名、ORACLE_SID、数据库域名、全局数据库名、服务名详解
- 数据结构与算法(二)合并两个有序链表
- ABAP PARAMETERS没有输入时取不到数据的问题
- 表格和框架集
- MATLAB智能算法实现 (一)
- 洛谷 P1070 [NOIP2009 T4] 道路游戏
- hdu 5889 Barricade 最短路+最小割