千万财富之独家绝密教程,珲春信息网,电视直播辽宁卫视
k近邻优点：精度高、对异常值不敏感、无数据输入假定；
k近邻缺点：计算复杂度高、空间复杂度高
import numpy as np
import operator
from os import listdir
# k近邻分类器
def classify0(inx, dataset, labels, k):
datasetsize = dataset.shape[0] # 返回dataset第一维的长度，也就是行数
diffmat = np.tile(inx, (datasetsize, 1))-dataset # tile表示把inx行向量按列方向重复datasetsize次
sqdiffmat = diffmat**2
sqdistances = sqdiffmat.sum(axis=1) # 按列求和
distances = sqdistances**0.5
sorteddistindicies = distances.argsort() # 返回的是数组从小到大的索引值
classcount = {} # 定义一个空字典
for i in range(k):
votelabel = labels[sorteddistindicies[i]] # 返回前k个距离最小的样本的标签值
classcount[votelabel] = classcount.get(votelabel, 0)+1 # get 表示返回指定键的值
# lambda表示输入classcount返回冒号右边的值，reverse=true表示按照降序排列
sortedclasscount=sorted(classcount.items(), key=lambda classcount: classcount[1], reverse=true)
return sortedclasscount[0][0]
# 把.txt文件转换成矩阵形式
def file2matrix(file):
file = open(file) # 返回文件对象
arr = file.readlines() # 返回全部行，是list形式，每一行为list的一个元素
number = len(arr) # 返回对象长度
returnmat = np.zeros((number,3))
index = 0
labelmat = []
for line in arr:
#line = line.strip('\n')
#newline = line.split(' ')
newline = line.strip('\n').split(' ') # 处理逐行数据，strip表示把头尾的'\n'去掉，split表示以空格来分割行数据
# 然后把处理后的行数据返回到newline列表中
returnmat[index,:] = newline[0:3] #表示列表的0,1,2列数据放到index行中
labelmat.append(int(newline[-1]))
index+=1
return returnmat,labelmat
# 归一化
def autonorm(dataset):
minvals = dataset.min(0)
maxvals = dataset.max(0)
ranges = maxvals-minvals
normdataset = np.zeros(np.shape(dataset))
m = normdataset.shape[0]
a = normdataset
a = np.tile(minvals, (m,1))
normdataset = dataset-a
normdataset = normdataset/np.tile(ranges,(m,1))
return normdataset
# 把图像转化成向量的形式
def img2vector(filename):
returnvect = np.zeros((1,1024))
fr = open(filename)
for i in range(32):
linestr = fr.readline() # readline()表示从首行开始，每次读取一行
for j in range(32):
returnvect[0,32*i+j] = int(linestr[j]) #int()函数用于将一个字符串或数字转换成整型
return returnvect # 一张图片转化成一行后的数组
# 手写数字识别系统的测试代码
def handwritingclasstest():
hwlabels = []
trainingfilelist = listdir('e:/workspace/digits/trainingdigits')
m=len(trainingfilelist)
trainingmat = np.zeros((m,1024))
for i in range(m):
filenamestr = trainingfilelist[i] # 例如9_45.txt
filestr = filenamestr.split('.')[0] # split('.')通过.分隔符对字符串进行切片
classnumstr = int(filestr.split('_')[0]) # split('_')通过_分隔符对字符串进行切片
hwlabels.append(classnumstr)
trainingmat[i,:] =img2vector('e:/workspace/digits/trainingdigits/%s' % filenamestr)
testfilelist = listdir('e:/workspace/digits/testdigits')
mtest = len(testfilelist)
errorcount = 0
for i in range(mtest):
filenamestr = testfilelist[i]
filestr = filenamestr.split('.')[0]
classnumstr = int(filestr.split('_')[0])
vectorundertest = img2vector('e:/workspace/digits/testdigits/%s' % filenamestr)
classresult = classify0(vectorundertest,trainingmat,hwlabels,3)
print('the classifier came back with: %d, the real answer is: %d' % (classresult,classnumstr))
if (classresult != classnumstr):
errorcount += 1.0
print('\n the total number of errors is: %d' % (errorcount))
print('\n the total error rate is: %f' % (errorcount/float(mtest)))
handwritingclasstest()
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
Python 实现将numpy中的nan和inf,nan替换成对应的均值
python爬虫把url链接编码成gbk2312格式过程解析
我要评论
网友评论