python算法实例
#The first machine learning algorithm--kNN
'''
导入科学计算包Numpy和运算符模块
'''
from numpy import *
import operator
def creatDataSet():
group=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels=['A','A','B','B']
return group,labels
'''
inX是用于分类的输入向量,dataSet输入的训练样本集,
labels标签向量,k确定选择最近邻居的数目
'''
def classify0(inX,dataSet,labels,k):
#计算距离
dataSetSize=dataSet.shape[0] #数据集的行
diffMat=tile(inX,(dataSetSize,1))-dataSet
sqDiffMat=diffMat**2
sqDistance=sqDiffMat.sum(axis=1)
distances=sqDistance**0.5
sortedDistanceIndicies=distances.argsort()
classCount={}
#选择距离最小的K个点
for i in range(k):
voteIlabel=labels[sortedDistanceIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
#排序
sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
# group,labels=creatDataSet()
# classify0([0,0],group,labels,3)
# print(classify0([0,0],group,labels,3))
'''
准备数据:从文本文件中解析数据,将文本记录转为numpy的解析程序
'''
def file2matrix(filename):
fr=open(filename)
arrayOLines=fr.readlines()
numberOfLines=len(arrayOLines) #得到文件行数
returnMat=zeros((numberOfLines,3)) #创建0矩阵,用作返回的numpy矩阵
classLabelVector=[]
index=0
#解析文件数据到列表
for line in arrayOLines:
line=line.strip() #去掉所有回车字符
listFromLine=line.split('\t') #使用tab字符将上一步得到的整行数据分割为一个元素列表
returnMat[index,:]=listFromLine[0:3] #选取前三个元素,存到特征矩阵中
classLabelVector.append(int(listFromLine[-1])) #-1代表最后一列元素
index+=1
return returnMat,classLabelVector
datingDataMat,datingLabels=file2matrix('datingTestSet.txt')
'''
分析数据:使用matplotlib创建散点图
'''
import matplotlib
import matplotlib.pyplot as plt
fig=plt.figure()
ax=fig.add_subplot(111)
ax.scatter(datingDataMat[:,1],datingDataMat[:,2],
15.0*array(datingLabels),15.0*array(datingLabels)) #使用datingDataMat矩阵第二列和第三列的数据
plt.show
'''
准备数据:归一化数据,将数据的取值范围处理为0到1或者-1到1
autoNorm()函数可以自动将数字特征值转化为0到1的区间
tile(x,(2))函数将x将函数沿着X轴扩大两倍,tile(x,(1,2))将x向Y轴扩大1倍,向X轴扩大2倍
'''
def autoNorm(dataSet):
minVals=dataSet.min(0) #使得函数可以从列中选取最小值,列!!!
maxVals=dataSet.max(0) #最大特征值
ranges=maxVals-minVals
normDataSet=zeros(shape(dataSet))
m=dataSet.shape[0] #1000,和前面特征矩阵的行数相同
normDataSet=dataSet-tile(minVals,(m,1)) #统一特征矩阵1000x3和minVals、range(1x3)的大小
normDataSet=normDataSet/tile(ranges,(m,1)) #特征值相除
return normDataSet,ranges,minVals
normMat,ranges,minVals=autoNorm(datingDataMat)
'''
测试算法:作为完整程序验证分类器
'''
def datingClassTest():
hoRatio=0.1
datingDataMat,datingLabels=file2matrix('datingTestSet.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)))