KNN算法[分类算法]

kNN(k-近邻)分类算法的实现

(1) 简介：

（2）算法描述：

 

（3）

 

<?php
/*
*KNN K-近邻方法（分类算法的实现）
*/

/*
*把.txt中的内容读到数组中保存,$filename:文件名称
*/
//--------------------------------------------------------------------
function  getFileContent($filename)
{
    $array = array(null);
    $content = file_get_contents($filename);
    $result = explode("\r\n",$content);
    //print_r(count($result));
    for($j=0;$j<count($result);$j++)
    {
        //print_r($result[$j]."<br>");
        $con = explode(" ",$result[$j]);
        array_push($array,$con);
    }
    array_splice($array,0,1);
    return $array;
}
//--------------------------------------------------------------------

/*
 */
//希尔排序算法
//--------------------------------------------------------------------    
function shell_sort($array)//降序
{
    $dh=(int)(count($array)/2);
    while($dh>=1)
    {
        for($i=$dh;$i<count($array);$i++)
        {
            $temp=array($array[$i][0],$array[$i][1]);
            $j=$i-$dh;
            while($j>=0&&($array[$j][1]<$temp[1]))
            {
                $array[$j+$dh][1]=$array[$j][1];
                $array[$j+$dh][0]=$array[$j][0];
                $j-=$dh;
            }
            $array[$j+$dh][1]=$temp[1];
            $array[$j+$dh][0]=$temp[0];
        }
        $dh=(int)($dh/2);
    }
    return $array;
}
//-------------------------------------------------------------------------    
/*
*KNN算法
*$test:测试文本；$train：训练文本；$flagsyes：yes；$flagsno：no
*/
//--------------------------------------------------------------------
function  KNN($test,$train,$flagsyes,$flagsno)
{
    for($i=1;$i<count($train);$i++)
    {
        for($j=1;$j<count($test)-1;$j++)
        {
            if($test[$j]==$train[$i][$j]) $a[$j] = 1;
            else $a[$j] = 0;
        }
        
        //求两个例子之间的欧氏距离
        $sum = 0;
        for($j=1;$j<count($test)-1;$j++)
        {
            $sum += pow(1-$a[$j],2);    
        }
        $distance[$i] = sqrt($sum);
    }
    $d = array(array(NULL,NULL));
    for($i=1;$i<count($train);$i++)
    {
        $d[$i-1][0] = $train[$i][count($train[$i])-1];
        $d[$i-1][1] = 1 /(1+ $distance[$i]) ;
    }
    $result =shell_sort($d);
    
    $k = (int) sqrt(count($train)-1);//k=sqrt(N);
    
    $count_yes = 0;
    for($i=0;$i<$k;$i++)
    {
        if($result[$i][0]==$flagsyes)$count_yes++;
    }
    $count_no = $k - $count_yes;
    
    if($count_yes>$count_no)return $flagsyes;
    else return $flagsno;
}
//--------------------------------------------------------------------

$train = getFileContent("train.txt");
$test = getFileContent("test.txt");

for($i=1;$i<count($test);$i++)
{
    $test[$i][count($test[0])-1] = KNN($test[$i],$train,Y,N);
}
/*
*将数组中的内容读到.txt中
*/
//--------------------------------------------------------------------
$fp= fopen('result.txt','wb');
for($i=0;$i<count($test);$i++)
{
    $temp = NULL;
    for($j=0;$j<count($test[$i]);$j++)
    {
        $temp =  $test[$i][$j]."\t";
        fwrite($fp,$temp);
    }
    fwrite($fp,"\r\n");
}
fclose($fp);
//--------------------------------------------------------------------

/*
*打印输出
*/
//--------------------------------------------------------------------
echo "<pre>";
print_r($test);
echo "</pre>";
//--------------------------------------------------------------------
?>