前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >机器学习_K近邻Python代码详解

机器学习_K近邻Python代码详解

作者头像
py3study
发布2020-01-19 11:45:52
3690
发布2020-01-19 11:45:52
举报
文章被收录于专栏:python3
代码语言:javascript
复制
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('\n')
        #newline = line.split(' ')
        newline = line.strip('\n').split(' ') # 处理逐行数据,strip表示把头尾的'\n'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('\n the total number of errors is: %d' % (errorCount))
    print('\n the total error rate is: %f' % (errorCount/float(mTest)))

handwritingClassTest()
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019/03/15 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档