机器学习_K近邻代码详解
Posted lijingblog
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习_K近邻代码详解相关的知识,希望对你有一定的参考价值。
k近邻优点:精度高、对异常值不敏感、无数据输入假定;
k近邻缺点:计算复杂度高、空间复杂度高
import numpy as np
import operator
from os import listdir
# k近邻分类器
def classify0(inx, dataSet, labels, k):
dataSetSize = dataSet.shape[0] # 返回dataset第一维的长度,也就是行数
diffMat = np.tile(inx, (dataSetSize, 1))-dataSet # tile表示把inx行向量按列方向重复datasetsize次
sqDiffMat = diffMat**2
sqDistances = sqDiffMat.sum(axis=1) # 按列求和
distances = sqDistances**0.5
sortedDistIndicies = distances.argsort() # 返回的是数组从小到大的索引值
classCount = {} # 定义一个空字典
for i in range(k):
voteLabel = labels[sortedDistIndicies[i]] # 返回前k个距离最小的样本的标签值
classCount[voteLabel] = classCount.get(voteLabel, 0)+1 # get 表示返回指定键的值
# lambda表示输入classCount返回冒号右边的值,reverse=True表示按照降序排列
sortedClassCount=sorted(classCount.items(), key=lambda classCount: classCount[1], reverse=True)
return sortedClassCount[0][0]
# 把.txt文件转换成矩阵形式
def file2matrix(file):
file = open(file) # 返回文件对象
arr = file.readlines() # 返回全部行,是list形式,每一行为list的一个元素
number = len(arr) # 返回对象长度
returnMat = np.zeros((number,3))
index = 0
labelMat = []
for line in arr:
#line = line.strip(‘ ‘)
#newline = line.split(‘ ‘)
newline = line.strip(‘ ‘).split(‘ ‘) # 处理逐行数据,strip表示把头尾的‘ ‘去掉,split表示以空格来分割行数据
# 然后把处理后的行数据返回到newline列表中
returnMat[index,:] = newline[0:3] #表示列表的0,1,2列数据放到index行中
labelMat.append(int(newline[-1]))
index+=1
return returnMat,labelMat
# 归一化
def autoNorm(dataSet):
minVals = dataSet.min(0)
maxVals = dataSet.max(0)
ranges = maxVals-minVals
normDataSet = np.zeros(np.shape(dataSet))
m = normDataSet.shape[0]
A = normDataSet
A = np.tile(minVals, (m,1))
normDataSet = dataSet-A
normDataSet = normDataSet/np.tile(ranges,(m,1))
return normDataSet
# 把图像转化成向量的形式
def img2vector(filename):
returnVect = np.zeros((1,1024))
fr = open(filename)
for i in range(32):
lineStr = fr.readline() # readline()表示从首行开始,每次读取一行
for j in range(32):
returnVect[0,32*i+j] = int(lineStr[j]) #int()函数用于将一个字符串或数字转换成整型
return returnVect # 一张图片转化成一行后的数组
# 手写数字识别系统的测试代码
def handwritingClassTest():
hwLabels = []
trainingFileList = listdir(‘E:/workspace/digits/trainingDigits‘)
m=len(trainingFileList)
trainingMat = np.zeros((m,1024))
for i in range(m):
fileNameStr = trainingFileList[i] # 例如9_45.txt
fileStr = fileNameStr.split(‘.‘)[0] # split(‘.‘)通过.分隔符对字符串进行切片
classNumStr = int(fileStr.split(‘_‘)[0]) # split(‘_‘)通过_分隔符对字符串进行切片
hwLabels.append(classNumStr)
trainingMat[i,:] =img2vector(‘E:/workspace/digits/trainingDigits/%s‘ % fileNameStr)
testFileList = listdir(‘E:/workspace/digits/testDigits‘)
mTest = len(testFileList)
errorCount = 0
for i in range(mTest):
fileNameStr = testFileList[i]
fileStr = fileNameStr.split(‘.‘)[0]
classNumStr = int(fileStr.split(‘_‘)[0])
vectorUnderTest = img2vector(‘E:/workspace/digits/testDigits/%s‘ % fileNameStr)
classResult = classify0(vectorUnderTest,trainingMat,hwLabels,3)
print(‘the classifier came back with: %d, the real answer is: %d‘ % (classResult,classNumStr))
if (classResult != classNumStr):
errorCount += 1.0
print(‘ the total number of errors is: %d‘ % (errorCount))
print(‘ the total error rate is: %f‘ % (errorCount/float(mTest)))
handwritingClassTest()
以上是关于机器学习_K近邻代码详解的主要内容,如果未能解决你的问题,请参考以下文章
Machine Learning in Action机器学习——第二章k-近邻算法代码详解