教育频道直播,血火明末,mm脱衣
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：
我要评论
#-*- coding: utf-8 -*-
__author__ = 'rossie'
from numpy import *
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 line in 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 i in 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 i in 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()
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持移动技术网。
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
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论