python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)之最近鄰kNN分類器
更新時(shí)間：2021年10月28日 10:35:01 作者：大牙灣
這篇文章主要介紹了python機(jī)器學(xué)習(xí)實(shí)戰(zhàn)之最近鄰kNN分類器，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
K近鄰法是有監(jiān)督學(xué)習(xí)方法，原理很簡(jiǎn)單，假設(shè)我們有一堆分好類的樣本數(shù)據(jù)，分好類表示每個(gè)樣本都一個(gè)對(duì)應(yīng)的已知類標(biāo)簽，當(dāng)來(lái)一個(gè)測(cè)試樣本要我們判斷它的類別是， 就分別計(jì)算到每個(gè)樣本的距離，然后選取離測(cè)試樣本最近的前K個(gè)樣本的標(biāo)簽累計(jì)投票， 得票數(shù)最多的那個(gè)標(biāo)簽就為測(cè)試樣本的標(biāo)簽。
源代碼詳解：
#-*- coding:utf-8 -*-
#!/usr/bin/python
# 測(cè)試代碼 約會(huì)數(shù)據(jù)分類 import KNN KNN.datingClassTest1() 標(biāo)簽為字符串 KNN.datingClassTest2() 標(biāo)簽為整形
# 測(cè)試代碼 手寫字體分類 import KNN KNN.handwritingClassTest()
from numpy import * # 科學(xué)計(jì)算包
import operator # 運(yùn)算符模塊
from os import listdir # 獲得指定目錄中的內(nèi)容（手寫字體文件夾下樣本txt） 類型命令行 ls
import matplotlib # 畫圖可視化操作
import matplotlib.pyplot as plot
# 顯示一個(gè) 二維圖
def myPlot(x, y, labels):
fig = plot.figure()#創(chuàng)建一個(gè)窗口
ax = fig.add_subplot(111)# 畫一個(gè)圖
#ax.scatter(x,y)
ax.scatter(x,y,15.0*array(labels),15.0*array(labels)) # 支持 分類顏色顯示
ax.axis([-2,25,-0.2,2.0])
plot.xlabel('Percentage of Time Spent Playing Video Games')# 坐標(biāo)軸名稱
plot.ylabel('Liters of Ice Cream Consumed Per Week')
plot.show()
# 創(chuàng)建假 的數(shù)據(jù)測(cè)試
def createDataSet():
groop = array([[1.0, 1.1],[1.0, 1.0],[0, 0],[0, 0.1]]) # numpy的array 數(shù)組格式
labels = ['A','A','B','B']# 標(biāo)簽 list
return groop, labels
# 定義 KNN 分類函數(shù)
def knnClassify0(inX, dataSet, labels, k):
# inX 待分類的點(diǎn) 數(shù)據(jù)集和標(biāo)簽 DataSet, label 最近領(lǐng)域個(gè)數(shù) k
dataSetSize = dataSet.shape[0] # 數(shù)據(jù)集大小（行數(shù)）
# tile（A,（行維度，列維度）） A沿各個(gè)維度重復(fù)的次數(shù)
# 點(diǎn)A 重復(fù)每一行 到 數(shù)據(jù)集大小行
differeMat = tile(inX, (dataSetSize,1)) - dataSet # 求 待分類點(diǎn) 與個(gè)個(gè)數(shù)據(jù)集點(diǎn)的 差值
sqDiffMat = differeMat**2 # 求 平方
sqDistances = sqDiffMat.sum(axis=1) # 求 和（各行求和）
distances = sqDistances**0.5 # 開(kāi)方 得到 點(diǎn)A 與 數(shù)據(jù)集個(gè)點(diǎn) 的歐式距離
sortedDistIndicies = distances.argsort() # 返回 遞增排序后 的 原位置序列（不是值）
# 取得最近的 k個(gè)點(diǎn) 統(tǒng)計(jì) 標(biāo)簽類出現(xiàn)的頻率
classCount={} # 字典
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]#從小到大 對(duì)應(yīng)距離 數(shù)據(jù)點(diǎn) 的標(biāo)簽
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 # 對(duì)于類標(biāo)簽 字典單詞 的 值 + 1
# 對(duì) 類標(biāo)簽 頻率（字典的 第二列（operator.itemgetter(1)）） 排序 從大到小排序 reverse=True
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True)
return sortedClassCount[0][0] # 返回 最近的 對(duì)應(yīng)的標(biāo)簽
# 真實(shí)數(shù)據(jù)的處理 輸入TXT文本文件 返回 數(shù)據(jù)集和標(biāo)簽(已轉(zhuǎn)化成數(shù)字) 列表 list
def file2matrix(filename):
fr = open(filename) # 打開(kāi)文件
numberOfLines = len(fr.readlines()) # 得到文件所有的行數(shù)
returnMat = zeros((numberOfLines,3))
# 創(chuàng)建一個(gè)用于存儲(chǔ)返回?cái)?shù)據(jù)的矩陣 數(shù)據(jù)集 每個(gè)數(shù)據(jù)的大小根據(jù)實(shí)際情況?。?即是 3 列數(shù)應(yīng)根據(jù) 數(shù)據(jù)維度確定
classLabelVector = [] # 對(duì)應(yīng)標(biāo)簽
fr = open(filename)
index = 0
for line in fr.readlines(): # 每一行
line = line.strip() # 默認(rèn)刪除空白符（包括'\n', '\r', '\t', ' ')
listFromLine = line.split('\t') # 按 制表符(\t) 分割字符串 成 元素列表
returnMat[index,:] = listFromLine[0:3] # 前三個(gè)為 數(shù)據(jù)集數(shù)據(jù)
classLabelVector.append(int(listFromLine[-1])) # 最后一個(gè) 為 標(biāo)簽 整形
index += 1
return returnMat,classLabelVector
# 真實(shí)數(shù)據(jù)的處理 輸入TXT文本文件 返回 數(shù)據(jù)集和標(biāo)簽(為字符串) 列表 list
def file2matrix2(filename):
fr = open(filename) # 打開(kāi)文件
numberOfLines = len(fr.readlines()) # 得到文件所有的行數(shù)
returnMat = zeros((numberOfLines,3))
# 創(chuàng)建一個(gè)用于存儲(chǔ)返回?cái)?shù)據(jù)的矩陣 數(shù)據(jù)集 每個(gè)數(shù)據(jù)的大小根據(jù)實(shí)際情況！！ 即是 3 列數(shù)應(yīng)根據(jù) 數(shù)據(jù)維度確定
classLabelVector = [] # 對(duì)應(yīng)標(biāo)簽
fr = open(filename)
index = 0
for line in fr.readlines(): # 每一行
line = line.strip() # 默認(rèn)刪除空白符（包括'\n', '\r', '\t', ' ')
listFromLine = line.split('\t') # 按 制表符(\t) 分割字符串 成 元素列表
returnMat[index,:] = listFromLine[0:3] # 前三個(gè)為 數(shù)據(jù)集數(shù)據(jù)
classLabelVector.append(str(listFromLine[-1])) # 最后一個(gè) 為 標(biāo)簽 字符串型
index += 1
return returnMat,classLabelVector
# 數(shù)據(jù)集 各個(gè)類型數(shù)據(jù)歸一化 平等化 影響權(quán)值
def dataAutoNorm(dataSet):
minVals = dataSet.min(0) # 最小值 每一列的 每一種屬性 的最小值
maxVals = dataSet.max(0) # 最大值
ranges = maxVals - minVals # 數(shù)據(jù)范圍
normDataSet = zeros(shape(dataSet)) # 初始化輸出 數(shù)組
m = dataSet.shape[0] # 行維度 樣本總數(shù)
normDataSet = dataSet - tile(minVals, (m,1)) # 擴(kuò)展 minVals 成 樣本總數(shù)行m行 1列（屬性值個(gè)數(shù)）
normDataSet = normDataSet/tile(ranges, (m,1)) # 矩陣除法 每種屬性值 歸一化 numpy庫(kù) 為（linalg.solve(matA,matB)）
return normDataSet, ranges, minVals # 返回 歸一化后的數(shù)組 和 個(gè)屬性范圍以及最小值
# 約會(huì)數(shù)據(jù) KNN分類 測(cè)試
# 標(biāo)簽為 字符串型
def datingClassTest1(test_ret=0.1):
hoRatio = test_ret # 測(cè)試的樣本比例 剩下的作為 訓(xùn)練集
datingDataMat,datingLabels = file2matrix2('datingTestSet.txt') #載入數(shù)據(jù)集
normMat, ranges, minVals = dataAutoNorm(datingDataMat)
m = normMat.shape[0] # 總樣本數(shù)量
numTestVecs = int(m*hoRatio) # 總測(cè)試樣本數(shù)
errorCount = 0.0 # 錯(cuò)誤次數(shù)記錄
for i in range(numTestVecs): # 對(duì)每個(gè)測(cè)試樣本
# KNN 分類 測(cè)試樣本 剩下的作為數(shù)據(jù)集 數(shù)據(jù)集對(duì)應(yīng)的標(biāo)簽 最近 的三個(gè)
classifierResult = knnClassify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
print "分類結(jié)果: %s,\t真實(shí)標(biāo)簽: %s" % (classifierResult, datingLabels[i])
if (classifierResult != datingLabels[i]): errorCount += 1.0
print "總錯(cuò)誤次數(shù): %d" % errorCount
print "測(cè)試總數(shù): %d" % numTestVecs
print "總錯(cuò)誤率: %f" % (errorCount/float(numTestVecs))
# 標(biāo)簽為 整形 int
def datingClassTest2(test_ret=0.1):
hoRatio = test_ret # 測(cè)試的樣本比例 剩下的作為 訓(xùn)練集
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #載入數(shù)據(jù)集
normMat, ranges, minVals = dataAutoNorm(datingDataMat)
m = normMat.shape[0] # 總樣本數(shù)量
numTestVecs = int(m*hoRatio) # 總測(cè)試樣本數(shù)
errorCount = 0.0 # 錯(cuò)誤次數(shù)記錄
for i in range(numTestVecs): # 對(duì)每個(gè)測(cè)試樣本
# KNN 分類 測(cè)試樣本 剩下的作為數(shù)據(jù)集 數(shù)據(jù)集對(duì)應(yīng)的標(biāo)簽 最近 的三個(gè)
classifierResult = knnClassify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
print "分類結(jié)果: %d, 真實(shí)標(biāo)簽: %d" % (classifierResult, datingLabels[i])
if (classifierResult != datingLabels[i]): errorCount += 1.0
print "總錯(cuò)誤次數(shù): %d" % errorCount
print "測(cè)試總數(shù): %d" % numTestVecs
print "總錯(cuò)誤率: %f" % (errorCount/float(numTestVecs))
# 根據(jù)用戶輸入的 樣本的屬性值 判斷用戶所傾向的類型(有點(diǎn)問(wèn)題？？)
def classifyPerson():
resultList = ['討厭','一般化','非常喜歡']
percent = float(raw_input("打游戲所花時(shí)間比例： "))
mile = float(raw_input("每年飛行的里程數(shù)量： "))
ice = float(raw_input("每周消費(fèi)的冰淇淋量： "))
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #載入數(shù)據(jù)集
normMat, ranges, minVals = dataAutoNorm(datingDataMat)
# 新測(cè)試樣本 歸一化
print ranges, minVals
testSampArry = array([mile, percent, ice]) # 用戶輸入的 測(cè)試樣例
testSampArryNorm = (testSampArry-minVals)/ranges # 樣例歸一化
print testSampArry ,testSampArryNorm
# 分類
classifierResult = knnClassify0(testSampArryNorm,normMat,datingLabels,3)
print classifierResult
print "他是不是你的菜： ", resultList[classifierResult-1]
# 手寫字體 圖像 32*32 像素轉(zhuǎn)化成 1*1024 的向量
def img2vector(filename):
returnVect = zeros((1,1024)) # 創(chuàng)建空的 返回向量
fr = open(filename) # 打開(kāi)文件
for i in range(32): # 對(duì)每一行
lineStr = fr.readline() # 每一行元素
for j in range(32): # 每一行的每個(gè)值
returnVect[0,32*i+j] = int(lineStr[j])
return returnVect
# 手寫字體的 KNN識(shí)別 每個(gè)數(shù)字圖片被轉(zhuǎn)換成 32*32 的 0 1 矩陣
def handwritingClassTest(k=3):
# 得到訓(xùn)練數(shù)據(jù)集
hwLabels = [] # 識(shí)別的標(biāo)簽
trainingFileList = listdir('trainingDigits') # 加載手寫字體訓(xùn)練數(shù)據(jù)集 (所有txt文件列表)
m = len(trainingFileList) # 總訓(xùn)練樣本數(shù)
trainingMat = zeros((m,1024)) # 訓(xùn)練數(shù)據(jù)集
for i in range(m):
fileNameStr = trainingFileList[i] # 每個(gè)訓(xùn)練數(shù)據(jù)樣本文件 0_0.txt 0_1.txt 0_2.txt
fileStr = fileNameStr.split('.')[0] # 以.分割 第一個(gè)[0]為文件名 第二個(gè)[1]為類型名 txt文件
classNumStr = int(fileStr.split('_')[0]) # 以_分割，第一個(gè)[0]為該數(shù)據(jù)表示的數(shù)字 標(biāo)簽
hwLabels.append(classNumStr) # 訓(xùn)練樣本標(biāo)簽
trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) # 訓(xùn)練樣本數(shù)據(jù)
# 得到測(cè)試數(shù)據(jù)集
testFileList = listdir('testDigits') # 測(cè)試數(shù)據(jù)集
errorCount = 0.0 # 錯(cuò)誤次數(shù)計(jì)數(shù)
mTest = len(testFileList) # 總測(cè)試 數(shù)據(jù)樣本個(gè)數(shù)
for i in range(mTest):
fileNameStr = testFileList[i] # 每個(gè)測(cè)試樣本文件
fileStr = fileNameStr.split('.')[0] # 得到文件名
classNumStr = int(fileStr.split('_')[0]) # 得到對(duì)應(yīng)的真實(shí)標(biāo)簽
vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) # 測(cè)試樣本數(shù)據(jù)
classifierResult = knnClassify0(vectorUnderTest, trainingMat, hwLabels, k) # 分類
print "KNN分類標(biāo)簽: %d, 真實(shí)標(biāo)簽: %d" % (classifierResult, classNumStr)
if (classifierResult != classNumStr): errorCount += 1.0
print "\n總的錯(cuò)誤次數(shù): %d" % errorCount
print "\n總的錯(cuò)誤比例: %f" % (errorCount/float(mTest))
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
如何在windows下安裝Pycham2020軟件(方法步驟詳解)
這篇文章主要介紹了在windows下安裝Pycham2020軟件方法，本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-05-05
這篇文章主要介紹了Python中的異常處理詳解,在編寫Python程序時(shí)，經(jīng)常會(huì)遇到各種運(yùn)行時(shí)錯(cuò)誤，這些錯(cuò)誤會(huì)導(dǎo)致程序終止并拋出異常。然而，有時(shí)我們希望程序能優(yōu)雅地處理這些錯(cuò)誤，而不是直接崩潰,這就需要用到異常處理了，需要的朋友可以參考下2023-07-07
這篇文章主要介紹了Python之維度dim的定義及其理解使用方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2023-02-02
下面小編就為大家?guī)?lái)一篇淺談Python的文件類型。小編覺(jué)得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2016-05-05
這篇文章主要介紹了分享python 變量的合并幾種方法，分享內(nèi)容有l(wèi)ist 合并和str 合并以及dict 合并的分析，下面具體方法介紹，需要的小伙伴可以參考一下2022-03-03
對(duì)Python Class之間函數(shù)的調(diào)用關(guān)系詳解
今天小編就為大家分享一篇對(duì)Python Class之間函數(shù)的調(diào)用關(guān)系詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
在Python和NumPy庫(kù)的幫助下,矩陣列可以很容易地進(jìn)行各種操作,本文主要介紹了python矩陣列的實(shí)現(xiàn)示例,具有一定的參考價(jià)值,感興趣的可以了解一下2024-02-02
這篇文章主要為大家介紹了python 人工智能算法之隨機(jī)森林流程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-03-03
Python3實(shí)現(xiàn)監(jiān)控新型冠狀病毒肺炎疫情的示例代碼
這篇文章主要介紹了Python3實(shí)現(xiàn)監(jiān)控新型冠狀病毒肺炎疫情的示例代碼,代碼簡(jiǎn)單易懂，非常不錯(cuò)，具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2020-02-02
Python pandas.DataFrame調(diào)整列順序及修改index名的方法
這篇文章主要介紹了Python pandas.DataFrame調(diào)整列順序及修改index名的方法，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-06-06