KNN 演算法的例項應用

為了提高給 helen 女士匹配約會物件的成功率，收集了各位男士的以下三種資訊：

每年的飛行里程數

玩遊戲所耗時間百分比

每週消費的冰淇淋公升數

約會資料：datingtestset.txt

先看一下資料集的內容：這裡擷取了三行，前三列分別是每年的飛行里程數、玩遊戲所耗時間百分比和每週消費的冰淇淋公升數，最後一列是 helen 女士對他們的 feel，largedoses 表示 helen 女士認為他非常有魅力，smalldoses 表示 helen 女士對他感覺一般般，而 didntlike 則表示 helen 女士不喜歡他。

40920 8.326976 0.953952 largedoses 14488 7.153469 1.673904 smalldoses 26052 1.441871 0.805124 didntlike

將收集來的資料輸入到 knn 分類器以前，應該將其處理成分類器能夠接收的格式，即應該先分成特徵和標籤兩部分，同時還要記得將標籤轉化為 int 型數字，用 1 代表不喜歡，2 代表魅力一般，3 代表極具魅力。

在 knn_exp01.py 檔案中建立乙個處理資料的函式：

def
file2matrix
(filename)
:# 開啟檔案
fr =
open
(filename)
# 按行讀取檔案
arrayolines = fr.readlines(
)# 得到檔案行數
numberoflines =
len(arrayolines)
# 建立用 0 填充的矩陣
returnmat = zeros(
(numberoflines,3)
)# 建立用於存放標籤的列表
classlabelvector =
# 行的索引
index =
0# 解析檔案資料得到列表
for line in arrayolines:
# 去掉所有回車字元
line = line.strip(
)# 將整行資料分割成元素列表
listfromline = line.split(
'\t'
)# 選取前 3 個元素儲存到特徵矩陣中
returnmat[index,:]
= listfromline[0:
3]# 將最後一列儲存到標籤向量中
if listfromline[-1
]=='didntlike':1
)elif listfromline[-1
]=='smalldoses':2
)else:3
) index +=
1return returnmat, classlabelvector

在 python 命令提示符中輸入命令，檢查一下資料內容：

>>
>
import knn_exp01
>>
> datingdatamat, datingdatalabels = knn_exp01.file2matrix(
'datingtestset.txt'
)>>
> datingdatamat
array([[
4.0920000e+04
,8.3269760e+00
,9.5395200e-01],
[1.4488000e+04
,7.1534690e+00
,1.6739040e+00],
[2.6052000e+04
,1.4418710e+00
,8.0512400e-01],
...,
[2.6575000e+04
,1.0650102e+01
,8.6662700e-01],
[4.8111000e+04
,9.1345280e+00
,7.2804500e-01],
[4.3757000e+04
,7.8826010e+00
,1.3324460e+00]]
)>>
> datingdatalabels[0:
20][3
,2,1
,1,1
,1,3
,3,1
,3,1
,1,2
,1,1
,1,1
,1,2,3]

>>
>
import matplotlib
>>
>
import matplotlib.pyplot as plt
>>
> fig = plt.figure(
)>>
> ax = fig.add_subplot(
111)
>>
> ax.scatter(datingdatamat[:,
1], datingdatamat[:,2])
>
>>
> plt.show(
)

散點圖使用 datingdatamat 矩陣的第

二、第三列資料分別作為 x、y軸，即 x 軸為玩遊戲所耗時間百分比，y 軸為每週消費的冰淇淋公升數。

KNN 演算法的例項應用

KNN演算法的應用示例

k 近鄰 KNN 演算法的應用

手寫數字識別 KNN演算法的應用

KNN 演算法的例項應用

KNN演算法的應用示例

k 近鄰 KNN 演算法的應用

手寫數字識別 KNN演算法的應用

相關推薦