标签：KNN 实战 机器 color 矩阵 list label dataMat class
【是什么】
KNN 即 k_近邻算法（k- nearest neighbor) ，就是寻找K个邻居作为该样本的特征，近朱者赤，近墨者黑，你的邻居是什么特征，那么就认为你也具备该特征；核心公式为：
数据来源：https://github.com/apachecn/AiLearning/blob/master/data/2.KNN/datingTestSet2.txt
读取数据转换成矩阵
# 提取文件中的数据 转换成矩阵
def file2matric(filename):
"""
disc:
param: filename: 导入数据文本
return: 数据矩阵
"""
f = open(filename,'r',encoding= 'utf-8')
# 获取文件的行数
lines_list = f.readlines()
num_of_lines = len(lines_list)
# 创建存放标签的列表
class_label_list = []
# 生成对应的空矩阵 zeros(2,3) 就是生成2行3列的0矩阵
returnMat = np.zeros((num_of_lines,3))
# 将文本中的数据放到矩阵中
for i in range(num_of_lines):
lines = lines_list[i].strip().split('\t')
# 将文本中的前3个数据放到矩阵中
returnMat[i,:] = lines[0:3]
# 将标签存到列表中
class_label_list.append(int(lines[-1]))
# print(returnMat)
return returnMat, class_label_list
利用 matplotlib 绘制散点图
def DrawScatter(dataMat,label_list):
# 导入中文字体，及字体大小
zhfont = FontProperties(fname='C:/Windows/Fonts/simsun.ttc', size=14)
# 绘制绘图窗口 2行2列
fig,ax = plt.subplots(2,2,figsize=(13,8))
# 不同标签赋予不同颜色
label_color = []
for i in label_list:
if i == 1:
label_color.append('black')
elif i == 2:
label_color.append('orange')
elif i == 3:
label_color.append('red')
# 开始绘制散点图 设定散点尺寸与透明度
scatter_size = 12
scatter_alpha = 0.5
# ===================散点图========================
ax[0][0].scatter(dataMat[:,0], dataMat[:,1],color = label_color,s = scatter_size ,alpha = scatter_alpha)
ax[0][1].scatter(dataMat[:, 1], dataMat[:, 2], color=label_color, s=scatter_size , alpha=scatter_alpha)
ax[1][0].scatter(dataMat[:, 0], dataMat[:, 2], color=label_color, s=scatter_size , alpha=scatter_alpha)
# 坐标轴标题
title_list = ['每年获得的飞行常客里程数和玩视频游戏所消耗时间占比',
'每年获得的飞行常客里程数和每周消费的冰激淋公升数',
'玩视频游戏所消耗时间占比和每周消费的冰激淋公升数']
x_name_list = ['每年获得的飞行常客里程数','玩视频游戏所消耗时间占比','每周消费的冰激淋公升数']
y_name_list = ['玩视频游戏所消耗时间占比','每周消费的冰激淋公升数','每年获得的飞行常客里程数']
#设置图例
didntLike = mlines.Line2D([], [], color='black', marker='.',
markersize=6, label='didntLike')
smallDoses = mlines.Line2D([], [], color='orange', marker='.',
markersize=6, label='smallDoses')
largeDoses = mlines.Line2D([], [], color='red', marker='.',
markersize=6, label='largeDoses')
p = 0
for i in range(2):
for j in range(2):
if p > 2:
break
# 设置坐标轴名称和标题
plt.setp(ax[i][j].set_title(u'%s'%(title_list[p]),FontProperties = zhfont),size=9, weight='bold', color='red')
plt.setp(ax[i][j].set_xlabel(u'%s'%(x_name_list[p]),FontProperties = zhfont), size=7, weight='bold', color='black')
plt.setp(ax[i][j].set_ylabel(u'%s'%(y_name_list[p]),FontProperties = zhfont), size=7, weight='bold', color='black')
p+=1
# 添加图例
ax[0][0].legend(handles=[didntLike, smallDoses, largeDoses])
ax[0][1].legend(handles=[didntLike, smallDoses, largeDoses])
ax[1][0].legend(handles=[didntLike, smallDoses, largeDoses])
plt.show()
对数据进行归一化处理
由于不同数据的范围波动不同，在权重一样的情况下，需要进行归一化，即将数据转换成0-1之间
# 对矩阵进行归一化处理
def dataNorm(dataMat):
"""
:param dataMat:
:return: 归一化后的数据集
归一化公式： Y = (X - Xmin)/(Xmax - Xmin)
"""
# max(0) min(0) 求出每列的最大值和最小值
d_min = dataMat.min(0)
d_max = dataMat.max(0)
# 计算极差
d_ranges = d_max - d_min
# 创建输出矩阵
normDataSet = np.zeros(np.shape(dataMat))
print(normDataSet)
# 获得矩阵行数 .shape 获取矩阵的大小 3x3
m = dataMat.shape[0]
# 计算 (X - Xmin) 这部分 首先要创建Xmin矩阵 将d_min扩展到m行
# 需要使用np.tile 函数进行扩展 将d_min扩展成m行1列 变成m x 3 矩阵
normDataSet = dataMat - np.tile(d_min,(m,1))
print(normDataSet)
# 计算Y
normDataSet = normDataSet / np.tile(d_ranges,(m,1))
print(normDataSet)
return normDataSet
创建分类函数与分类器（kNN算法的实现）
（ps:每次都需要将测试数据与所有训练数据进行对比，感觉比较繁琐)
def classfy_fun(test_data, train_data, labels, k):
"""
:param test_data: 测试集
:param train_data: 训练集
:param labels: 训练集标签
:param k: KNN 算法参数 选择距离最小的个数
:return: 分类结果
"""
# 计算训练集的矩阵行数
train_size = train_data.shape[0]
# 接下来按照欧氏距离进行元素距离计算 公式
# 将测试集扩充成与训练集相同行数 求差
diffMat = np.tile(test_data,(train_size,1)) - train_data
# 将差值矩阵的每个元素平方
sq_diffMat = diffMat**2
# 差值平方矩阵每行元素相加 axis = 1 是按行相加
sum_diffMat = sq_diffMat.sum(axis = 1)
# 对新的求和矩阵进行开方 得到距离值
distances = sum_diffMat ** 0.5
# 获得距离值中从小到大值的索引
sorted_distant = distances.argsort()
# 定义一个字典 存放标签 与 出现的数量
class_count = {}
for i in range(k):
# 找出前k个距离值最小的对应标签
temp_label = labels[sorted_distant[i]]
# 将标签作为 key 存放到字典中 出现次数作为 value
class_count[temp_label] = class_count.get(temp_label,0) + 1
# 将字典按照value 大小进行排序
sort_class_count = sorted(class_count.items(),key = operator.itemgetter(1))
return sort_class_count[0][0]
pass
# 创建分类器函数
def dating_class_test():
# 首先获取文件，将文件分成测试集和训练集
dating_Mat, dating_label = file2matric('datingdata.txt')
# 设置测试集的比例
test_ratio = 0.1
# 数据归一化
normMat = dataNorm(dating_Mat)
#获得矩阵的行数
m = normMat.shape[0]
# 计算测试集的数量
numTestData = int(m * test_ratio)
# 错误分类的数量
error_count = 0.0
for i in range(numTestData):
class_result = classfy_fun(dating_Mat[i,:], dating_Mat[numTestData:m,:],
dating_label[numTestData:m],4 )
print("分类结果:%s,实际分类：%s"%(class_result,dating_label[i]))
if class_result != dating_label[i]:
error_count += 1
# print("错误识别的数量：%f" %error_count)
print("正确率：%f%% \n" %((1 - error_count / numTestData)*100))
从结果看 识别率还是很低的，
标签：KNN,实战,机器,color,矩阵,list,label,dataMat,class 来源： https://www.cnblogs.com/wangxiaobei2019/p/11612787.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。