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)))