【机器学习】k近邻算法-02

k邻近算法具体应用：2-2约会网站配对

　　心得体会：

1.对所有特征值进行归一化处理：将特征值单位带来的距离影响消除，使所有特征同权重——然后对不同的特征进行加权
2.对于相互独立的特征，可以通过建立（特征值—类型　）图表进行计算，但是多个特征值是相互关联的则需要建立多维图表

#2-2约会网站配对

#将文本记录转换为NumPy
def file2matrix(filename):
    love_dictionary = {'largeDoses':3, 'smallDoses':2, 'didntLike':1}
    fr = open(filename)     #打开文件
    arrayOLines = fr.readlines()    #行组成的数组
    numberOfLines = len(arrayOLines)    #返回数组元素个数
    returnMat = zeros((numberOfLines, 3))   #生成numberOfLines*3的0数组
    classLabelVector = []   #数组
    index = 0
    for line in arrayOLines:
        line = line.strip()     #除去头尾空格
        listFromLine = line.split('\t')     #按'\t'分割成数组
        returnMat[index, :] = listFromLine[0:3]     #从0开始截取3个
        if(listFromLine[-1].isdigit()):
            classLabelVector.append(int(listFromLine[-1]))  #是数字就放数字，存入类型
        else:
            classLabelVector.append(love_dictionary.get(listFromLine[-1]))  #是字符串就转成数字，存入类型
        index += 1
    return returnMat, classLabelVector


import matplotlib
import matplotlib.pyplot as plt
fig = plt.figure() #返回一个图像窗口
ax = fig.add_subplot(111) #在1行1列1号位画子图
datingDataMat,datingLabels=file2matrix("E:/Python/《机器学习实战》代码/Ch02/datingTestSet2.txt")
# print(datingLabels)
# ax.scatter(datingDataMat[:,1], datingDataMat[:,2])
#scatter(x, y, 点的大小, 颜色，标记)
ax.scatter(datingDataMat[:,1], datingDataMat[:,2], 15.0*array(datingLabels),15.0*array(datingLabels),"*")
ax.axis([-2,25,-0.2,2.0]) #[x轴min,x轴max,y轴min,y轴max]
plt.xlabel('game')
plt.ylabel('ice')
# plt.show()

# 归一化特征值
# newVal=(oldVal-minVal)/(maxVal-minVal)
def autoNorm(dataSet):
    minVals=dataSet.min(0) #得到每一列的最小值（列1min，列2min，列3min）
    maxVals=dataSet.max(0) #得到每一列的最大值
    ranges=maxVals-minVals
    normDataSet=zeros(shape(dataSet))# 建立一个和dataSet一样大小的0矩阵
    m=dataSet.shape[0]
    normDataSet=dataSet-tile(minVals,(m,1))# tile建立矩阵tile(重复的内容,(在高度上重复,在长度上重复))
    normDataSet=normDataSet/tile(ranges,(m,1))
    return normDataSet,ranges,minVals

normMat,ranges,minVals=autoNorm(datingDataMat)

#分类器
def datingClassTest():
    hoRatio=0.10 #0.1的数据作为测试
    datingDataMat,datingLabels=file2matrix("E:/Python/《机器学习实战》代码/Ch02/datingTestSet2.txt")
    normMat,ranges,minVals=autoNorm(datingDataMat)#归一化的特征值，特征值原本范围，特征值最小值
    m=normMat.shape[0]
    numTestVecs=int(m*hoRatio)#测试数据的数量
    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)))

#约会网站预测函数
def classifyPerson():
    resultList=['not at all','in small doses','in large doses']
    percentTats=float(input("游戏时间百分比"))
    ffMiles=float(input("每年飞行常客里程数"))
    iceCream=float(input("每年吃冰淇淋多少升"))
    datingDataMat,datingLabels=file2matrix("E:/Python/《机器学习实战》代码/Ch02/datingTestSet2.txt")
    normMat,ranges,minVals=autoNorm(datingDataMat)
    inArr=array([ffMiles,percentTats,iceCream])
    classifierResult=classify0((inArr-minVals)/ranges,normMat,datingLabels,3)
    print(resultList[classifierResult-1])

# classifyPerson()