Knn算法的思想简单说就是：看输入的sample点周围的k个点都属于哪个类，哪个类的点最多，就把sample归为哪个类。也就是说，训练集是一些已经被手动打好标签的数据，knn会根据你打好的标签来挖掘同类对象的相似点，从而推算sample的标签。
Knn算法的准确度受k影响较大，可能需要写个循环试一下选出针对不同数据集的最优的k。
至于如何拿到特征向量，可以参考之前的博文。
代码：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
|
#-*- coding: utf-8 -*-
__author__ = 'Rossie'
from numpy import *
import operator
'''构造数据'''
def createDataSet():
characters=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])
labels=['A','A','B','B']
return characters,labels
'''从文件中读取数据，将文本记录转换为矩阵，提取其中特征和类标'''
def file2matrix(filename):
fr=open(filename)
arrayOLines=fr.readlines()
numberOfLines=len(arrayOLines) #得到文件行数
returnMat=zeros((numberOfLines,3)) #创建以零填充的numberOfLines*3的NumPy矩阵
classLabelVector=[]
index=0
for line in arrayOLines: #解析文件数据到列表
line=line.strip()
listFromLine=line.split('\t')
returnMat[index, :]=listFromLine[0:3]
classLabelVector.append(listFromLine[-1])
index+=1
return returnMat,classLabelVector #返回特征矩阵和类标集合
'''归一化数字特征值到0-1范围'''
'''输入为特征值矩阵'''
def autoNorm(dataSet):
minVals=dataSet.min(0)
maxVals=dataSet.max(0)
ranges=maxVals-minVals
normDataSet=zeros(shape(dataSet))
m=dataSet.shape[0]
normDataSet=dataSet-tile(minVals,(m,1))
normDataSet=normDataSet/tile(ranges,(m,1))
return normDataSet,ranges, minVals
def classify(sample,dataSet,labels,k):
dataSetSize=dataSet.shape[0] #数据集行数即数据集记录数
'''距离计算'''
diffMat=tile(sample,(dataSetSize,1))-dataSet #样本与原先所有样本的差值矩阵
sqDiffMat=diffMat**2 #差值矩阵平方
sqDistances=sqDiffMat.sum(axis=1) #计算每一行上元素的和
distances=sqDistances**0.5 #开方
sortedDistIndicies=distances.argsort() #按distances中元素进行升序排序后得到的对应下标的列表
'''选择距离最小的k个点'''
classCount={}
for i in range(k):
voteIlabel=labels[sortedDistIndicies[i]]
classCount[voteIlabel]=classCount.get(voteIlabel,0)+1
'''从大到小排序'''
sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
return sortedClassCount[0][0]
'''针对约会网站数据的测试代码'''
def datingClassTest():
hoRatio=0.20 #测试样例数据比例
datingDataMat,datingLabels=file2matrix('datingTestSet1.txt')
normMat, ranges, minVals=autoNorm(datingDataMat)
m =normMat.shape[0]
numTestVecs=int(m*hoRatio)
errorCount=0.0
k=4
for i in range(numTestVecs):
classifierResult=classify(normMat[i, : ],normMat[numTestVecs:m, : ],datingLabels[numTestVecs:m],k)
print("The classifier came back with: %s, thereal answer is: %s" %(classifierResult, datingLabels[i]))
if(classifierResult!= datingLabels [i] ) :
errorCount += 1.0
print("the total error rate is: %f" % (errorCount/float(numTestVecs)))
def main():
sample=[0,0]#简单样本测试
sampleText = [39948,6.830795,1.213342]#文本中向量样本测试
k=3
group,labels=createDataSet()
label1=classify(sample,group,labels,k)#简单样本的分类结果
fileN = "datingTestSet.txt"
matrix,label = file2matrix(fileN)
label2 =classify(sampleText,matrix,label,k)#文本样本的分类结果
print("ClassifiedLabel of the simple sample:"+label1)
print("Classified Label of the textsample:"+label2)
if __name__=='__main__':
main()
#datingClassTest()
|
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/RossieSeven/article/details/52629520