python使用knn实现特征向量分类

Python  /  管理员 发布于 7年前   225

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'from numpy import *import operator'''构造数据'''def createDataSet():  characters=array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])  labels=['A','A','B','B']  return characters,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'''def file2matrix(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  for line in arrayOLines:       #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  return returnMat,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'''def autoNorm(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))  return normDataSet,ranges, minVals  def classify(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={}  for i in range(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)  return sortedClassCount[0][0]'''针对约会网站数据的测试代码'''def datingClassTest():  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  for i in range(numTestVecs):    classifierResult=classify(normMat[i, : ],normMat[numTestVecs:m, : ],datingLabels[numTestVecs:m],k)    print("The classifier came back with: %s, thereal answer is: %s" %(classifierResult, datingLabels[i]))    if(classifierResult!= datingLabels [i] ) :      errorCount += 1.0  print("the total error rate is: %f" % (errorCount/float(numTestVecs)))def main():  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("ClassifiedLabel of the simple sample:"+label1)  print("Classified Label of the textsample:"+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。