《机器学习实战》学习笔记之k-近邻算法2

2.2 示例：使用k近邻算法改进约会网站的配对效果

2.2.1 从文本文件中解析数据

（1）import KNN，报错：for line in arrayOLines

原因：书中的代码在for语句最后漏掉了冒号，改成for line in arrayOLines：即可

（2）输出datingDataMat只有第一行有数值，其余全为0，如图

原因：由于空格不当，return写进for循环中，故只循环了一次就退出了

本节代码及注释

#coding=utf-8

from numpy import *

def file2matrix (filename):
    fr = open(filename)
    arrayOLines = fr.readlines()#读取所有行直到结束
    numberOfLines = len(arrayOLines)#返回元素个数
    returnMat = zeros((numberOfLines,3))#创建存储特征的矩阵
    classLabelVector = []#创建存储标签的向量
    index = 0
    for line in arrayOLines:
        line = line.strip()#strip移除字符串头尾的空白符，默认为\n \t \r ''
        listFromLine = line.split('\t')#split:通过指定分隔符对字符串进行分割，默认\n\t ''
        returnMat[index,:] = listFromLine[0:3]#取txt中每行前三个个元素存储到特征矩阵中
        classLabelVector.append(int (listFromLine[-1]))#append:在列表末尾添加新对象，取txt最后一列存储到标签中
        index +=1
return returnMat,classLabelVector

终端命令

2.2.2 使用Matplotlib创建散点图

想采用色彩标记不同的分类时，一直报错

报错：NameError: name 'array' is not defined

原因：需要导入array库

2.2.3归一化数值

def autoNorm(dataSet):
    minVals=dataSet.min(0)#（0）表示从列中取最小值，minVals尺寸为1*3
    maxVals=dataSet.max(0)#1*3
    ranges=maxVals-minVals#1*3
    normDataSet=zeros(shape(dataSet))
    m=dataSet.shape[0]
    normDataSet=dataSet-tile(minVals,(m,1))#tile将1*3的最小值复制成m大小的矩阵
    normDataSet=normDataSet/tile(ranges,(m,1))
    return normDataSet,ranges,minVals

2.2.4测试算法

报错：

原因：这一句和下一句中的反斜杠\表示续行，在斜杠后换行，用\连接表示为一行。这句错误是因为用了\却没有换行

修改：可把\去掉，或在\之后换行

本节代码及注释：

def datingClassTest():
    hoRatio=0.10#选择10%的数据作为测试数据，90%的数据作为训练样本
    datingDataMat,datingLabels=file2matrix('datingTestSet2.txt')
    normMat,ranges,minVals=autoNorm(datingDataMat)
    m=normMat.shape[0]
    numTestVecs=int(m*hoRatio)#计算测试数据的元素个数
    errorCount=0.0
    for i in range(numTestVecs):
        classifierResult=classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)#数据前numTestVecs个作为测试向量，后面的向量作为训练向量,k=3
        print "the classifier came back with:%d,the real answer is:%d"%(classifierResult,datingLabels[i])
        if(classifierResult!=datingLabels[i]):errorCount+=1.0#若分类结果与实际标签不符，则错误数加1
    print "the total error rate is: %f" % (errorCount/float(numTestVecs))

终端窗口：