from matplotlib.font_manager import FontProperties
import matplotlib.lines as mpl
import matplotlib.pyplot as plt
import numpy as np
import operator
#KNN分类器,inX测试集,dataSet训练集
def classify0(inX, dataSet, labels, k):
#得到作差后的新数组
diffmat=inX-dataSet
sqdiffmat=diffmat**2
#sum()所有元素相加,sum(0)所有列相加得到新的列表,sum(1)所有行相加
dis1=sqdiffmat.sum(axis=1)
dis=dis1**0.5
#返回一个列表的顺序排序索引
sorted_disindex=dis.argsort()
#创建空字典
classCount={}
for i in range(k):
#取出前k个元素的类别
votelabel = labels[sorted_disindex[i]]
#dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。
#计算类别次
classCount[votelabel]=classCount.get(votelabel,0) + 1
# #key=operator.itemgetter(1)根据字典的值进行排序
#key=operator.itemgetter(0)根据字典的键进行排序
#reverse降序排序字典
sortedclassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
return sortedclassCount[0][0]
#解析约会数据文件,并将数据导入一个numpy矩阵
def file2matrix(filename):
#打开文件
fr = open(filename)
#读取文件所有内容
arrayOLines = fr.readlines()
#得到文件行数
numberOfLines = len(arrayOLines)
#返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列
returnMat = np.zeros((numberOfLines,3))
#返回的分类标签向量
classLabelVector = []
#行的索引值
index = 0
for line in arrayOLines:
#s.strip(rm),当rm空时,默认删除空白符(包括'\n','\r','\t',' ')
line = line.strip()
#使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
listFromLine = line.split('\t')
#将数据前三列提取出来,存放到returnMat的NumPy矩阵中,也就是特征矩阵
returnMat[index,:] = listFromLine[0:3]
#根据文本中标记的喜欢的程度进行分类,1代表不喜欢,2代表魅力一般,3代表极具魅力
if listFromLine[-1] == 'didntLike':
classLabelVector.append(1)
elif listFromLine[-1] == 'smallDoses':
classLabelVector.append(2)
elif listFromLine[-1] == 'largeDoses':
classLabelVector.append(3)
index += 1
return returnMat, classLabelVector
#数据的初始分析,完整可用程序中也不需要
def showdatas():
datingDataMat, datingLabels=file2matrix(filename)
#设置汉字格式,图标题文字
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc")
#将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8)
#当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域
fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8))
numberOfLabels = len(datingLabels)
LabelsColors = []
for i in datingLabels:
if i == 1:
LabelsColors.append('red')
if i == 2:
LabelsColors.append('orange')
if i == 3:
LabelsColors.append('blue')
#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5
axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs0_title_text = axs[0][0].set_title(u'飞行里程与玩游戏耗时占比',FontProperties=font)
axs0_xlabel_text = axs[0][0].set_xlabel(u'飞行里程程',FontProperties=font)
axs0_ylabel_text = axs[0][0].set_ylabel(u'玩游戏耗时',FontProperties=font)
plt.setp(axs0_title_text, size=9, weight='bold', color='black')
plt.setp(axs0_xlabel_text, size=8, weight='bold', color='black')
plt.setp(axs0_ylabel_text, size=8, weight='bold', color='black')
#画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs1_title_text = axs[0][1].set_title(u'飞行里程与消费冰激淋公升',FontProperties=font)
axs1_xlabel_text = axs[0][1].set_xlabel(u'飞行里程',FontProperties=font)
axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
plt.setp(axs1_title_text, size=9, weight='bold', color='black')
plt.setp(axs1_xlabel_text, size=8, weight='bold', color='black')
plt.setp(axs1_ylabel_text, size=8, weight='bold', color='black')
#画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5
axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
#设置标题,x轴label,y轴label
axs2_title_text = axs[1][0].set_title(u'玩游戏耗时与冰激淋公升数占比',FontProperties=font)
axs2_xlabel_text = axs[1][0].set_xlabel(u'玩游戏耗时',FontProperties=font)
axs2_ylabel_text = axs[1][0].set_ylabel(u'消费冰激淋公升数',FontProperties=font)
plt.setp(axs2_title_text, size=9, weight='bold', color='black')
plt.setp(axs2_xlabel_text, size=8, weight='bold', color='black')
plt.setp(axs2_ylabel_text, size=8, weight='bold', color='black')
#设置图例
didntLike = mpl.Line2D([], [], color='red', marker='.',
markersize=6, label='didntLike')
smallDoses = mpl.Line2D([], [], color='orange', marker='.',
markersize=6, label='smallDoses')
largeDoses = mpl.Line2D([], [], color='blue', marker='.',
markersize=6, label='largeDoses')
#添加图例
axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
#显示图片
plt.show()
def autoNorm(dataSet):
#获得数据的最小值
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
#最大值和最小值的范围
ranges = maxVals - minVals
#原始值减去最小值
normDataSet = dataSet - minVals
#除以最大和最小值的差,得到归一化数据
normDataSet = normDataSet / ranges
#返回归一化数据结果,数据范围,最小值
return normDataSet, ranges, minVals
##测试算法的准确性,完整的可用系统里不需要
def datingClassTest():
#将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中
datingDataMat, datingLabels = file2matrix(filename)
#取所有数据的百分之十
hoRatio = 0.10
#数据归一化,返回归一化后的矩阵,数据范围,数据最小值
normMat, ranges, minVals = autoNorm(datingDataMat)
#获得normMat的行数
m = normMat.shape[0]
#百分之十的测试数据的个数
numTestVecs = int(m * hoRatio)
#分类错误计数
errorCount = 0.0
for i in range(numTestVecs):
#前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集
classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],
datingLabels[numTestVecs:m], 5)
print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))
if classifierResult != datingLabels[i]:
errorCount += 1.0
print("错误率:%f%%" %(errorCount/float(numTestVecs)*100))
def classifyPerson():
#输出结果
resultList = ['讨厌','有些喜欢','非常喜欢']
#三维特征用户输入
precentTats = float(input("玩游戏耗时百分比:"))
ffMiles = float(input("每年飞行里程数:"))
iceCream = float(input("每周消费冰激淋公升数:"))
#打开的文件名
filename = "datingTestSet.txt"
#打开并处理数据
datingDataMat, datingLabels = file2matrix(filename)
#训练集归一化
normMat, ranges, minVals = autoNorm(datingDataMat)
#生成NumPy数组,测试集
inArr = np.array([precentTats, ffMiles, iceCream])
#测试集归一化
norminArr = (inArr - minVals) / ranges
#返回分类结果
classifierResult = classify0(norminArr, normMat, datingLabels, 3)
#打印结果
print("你可能%s这个人" % (resultList[classifierResult-1]))
if __name__ == '__main__':
filename = "C:/Users/Administrator/Desktop/data/datingTestSet.txt"
classifyPerson()
机器学习实战之KNN约会网站匹配系统
猜你喜欢
转载自blog.csdn.net/qq_42422981/article/details/84312689
今日推荐
周排行