python使用knn实现特征向量分类
这是一个使用knn把特征向量进行分类的demo。
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:
#-*-coding:utf-8-*- __author__='Rossie' fromnumpyimport* importoperator '''构造数据''' defcreateDataSet(): characters=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) labels=['A','A','B','B'] returncharacters,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''' deffile2matrix(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 forlineinarrayOLines:#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 returnreturnMat,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''' defautoNorm(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)) returnnormDataSet,ranges,minVals defclassify(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={} foriinrange(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) returnsortedClassCount[0][0] '''针对约会网站数据的测试代码''' defdatingClassTest(): 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 foriinrange(numTestVecs): classifierResult=classify(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],k) print("Theclassifiercamebackwith:%s,therealansweris:%s"%(classifierResult,datingLabels[i])) if(classifierResult!=datingLabels[i]): errorCount+=1.0 print("thetotalerrorrateis:%f"%(errorCount/float(numTestVecs))) defmain(): 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("ClassifiedLabelofthesimplesample:"+label1) print("ClassifiedLabelofthetextsample:"+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毛票票。