介绍 # - *安康;编码:utf-8 - * -
时间=__author__ & # 39; Rossie& # 39;
得到numpy import *
import 运营商
& # 39;& # 39;& # 39;构造数据& # 39;& # 39;& # 39;
def createDataSet ():
,=,字符数组([[1.0,1.1],[1.0,1.0],[0],[0,0.1]])
标签才能=[& # 39;一个# 39;& # 39;一个# 39;,& # 39;b # 39;, & # 39; b # 39;】
return 才能;字符,标签
& # 39;& # 39;& # 39;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& # 39;& # 39;& # 39;
def file2matrix(文件名):
fr=才能打开(文件名)
arrayOLines才能=fr.readlines ()
numberOfLines才能=len (arrayOLines),,,, #得到文件行数
returnMat才能=0 ((numberOfLines 3)),,, #创建以零填充的numberOfLines * 3的NumPy矩阵
classLabelVector才能=[]
,指数=0
for 才能;line 拷贝arrayOLines:,,,,,,, #解析文件数据到列的表
,,,行=line.strip ()
,,,listFromLine=line.split (& # 39; \ t # 39;)
,,,returnMat[指数,:]=listFromLine (0:3)
,,,classLabelVector.append (listFromLine [1])
,,,指数+=1
return 才能returnMat classLabelVector ,, #返回特征矩阵和类标集合
& # 39;& # 39;& # 39;归一化数字特征值到0 - 1范围& # 39;& # 39;& # 39;
& # 39;& # 39;& # 39;输入为特征值矩阵& # 39;& # 39;& # 39;
def autoNorm(数据):
minVals才能=dataSet.min (0)
maxVals才能=dataSet.max (0)
,=maxVals-minVals范围
normDataSet才能=0(形状(数据集)
m=才能dataSet.shape [0]
normDataSet才能=dataSet-tile (minVals (m, 1))
normDataSet才能=normDataSet/瓷砖(范围,(m, 1))
return 才能;normDataSet范围,minVals
,,
def 分类(样本、数据集、标签,k):
dataSetSize才能=dataSet.shape[0],,, #数据集行数即数据集记录数
& # 39;才能& # 39;& # 39;距离计算& # 39;& # 39;& # 39;
diffMat才能=瓷砖(样本,(dataSetSize 1) -dataSet ,,,, #样本与原先所有样本的差值矩阵
sqDiffMat才能=diffMat * * 2,,, #差值矩阵平方
sqDistances才能=sqDiffMat.sum(轴=1),,,,#计算每一行上元素的和
距离才能=sqDistances * * 0.5,, #开方
sortedDistIndicies才能=distances.argsort(),,, #按距离中元素进行升序排序后得到的对应下标的列的表
& # 39;才能& # 39;& # 39;选择距离最小的k个点& # 39;& # 39;& # 39;
classCount才能={}
for 才能小姐:拷贝范围(k):
,,,voteIlabel=标签(sortedDistIndicies[我]]
,,,classCount [voteIlabel]=classCount.get (voteIlabel, 0) + 1
& # 39;才能& # 39;& # 39;从大到小排序& # 39;& # 39;& # 39;
sortedClassCount才能=排序(classCount.items(),关键=operator.itemgetter(1)反向=True)
return 才能sortedClassCount [0] [0]
& # 39;& # 39;& # 39;针对约会网站数据的测试代码& # 39;& # 39;& # 39;
def datingClassTest ():
荷瑞修才能=0.20,,,,,#测试样例数据比例
datingDataMat datingLabels=才能file2matrix (& # 39; datingTestSet1.txt& # 39;)
normMat才能,,,,minVals=autoNorm (datingDataMat)
m 才能=normMat.shape [0]
numTestVecs才能=int (m *荷瑞修)
,errorCount=0.0
,k=4
for 才能小姐:拷贝范围(numTestVecs):
,,,classifierResult=分类(normMat (,,,): normMat [numTestVecs: m,,,):, datingLabels [numTestVecs: m], k)
,,,print (“, classifier came back :, % s,, thereal answer 是:,% s", % (classifierResult, datingLabels[我]))
,,,如果(classifierResult !=, datingLabels [我],),:
,,,,,errorCount 1.0 +=,
打印才能(“,total error rate 是:,% f", %, (errorCount/浮动(numTestVecs)))
def main ():
样才能=(0,0)#简单样本测试
sampleText 才能=,(39948年,6.830795,1.213342)#文本中向量样本测试
,k=3
组织才能,标签=createDataSet ()
label1=才能分类(样本、组标签,k) #简单样本的分类结果
fileN =,才能“datingTestSet.txt"
矩阵,才能label =, file2matrix (fileN)
label2 才能=分类(sampleText、矩阵、标签、k) #文本样本的分类结果
打印才能(“ClassifiedLabel of 从而simple 示例:“+ label1)
打印才能(“Classified Label of 从而textsample:“+ label2)
if __name__==& # 39; __main__ # 39;:
,,main ()
# datingClassTest才能()
小编给大家分享一下python如何使用资讯实现特征向量分类,相信大部分人都还不怎么了解,因此分享这篇文章给大家参考一下,希望大家阅读完这篇文章后大有收获、下面让我们一起去了解一下吧!
这是一个使用资讯把特征向量进行分类的演示。
资讯算法的思想简单说就是:看输入的样本点周围的k个点都属于哪个类,哪个类的点最多,就把样本归为哪个类。也就是说,训练集是一些已经被手动打好标签的数据,然而会根据你打好的标签来挖掘同类对象的相似点,从而推算样品的标签。
资讯算法的准确度受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:
