python的knn算法list_Python实现的knn算法示例

r囧r小猫 2022-12-31 09:23 210阅读 0赞

本文实例讲述了Python实现的knn算法。分享给大家供大家参考，具体如下：

代码参考机器学习实战那本书：

机器学习实战 (Peter Harrington著) 中文版

机器学习实战 (Peter Harrington著) 英文原版\[附源代码\]

有兴趣你们可以去了解下

具体代码：

\# -\*- coding:utf-8 -\*-

\#! python2

'''''

@author:zhoumeixu

createdate:2015年8月27日

'''

\#np.zeros((4,2))

\#np.zeros(8).reshape(4,2)

\#x=np.array(\[\[1.0,1.1\],\[1.0,1.0\],\[0,0\],\[0,0.1\]\]) np.zeros\_like(x)

\# 最值和排序：最值有np.max(),np.min() 他们都有axis和out(输出)参数,

\# 而通过np.argmax(), np.argmin()可以得到取得最大或最小值时的 下标。

\# 排序通过np.sort(), 而np.argsort()得到的是排序后的数据原来位置的下标

\# 简单实现knn算法的基本思路

import numpy as np

import operator \#运算符操作包

from \_ctypes import Array

from statsmodels.sandbox.regression.kernridgeregress\_class import plt\_closeall

def createDataSet():

group=np.array(\[\[1.0,1.1\],\[1.0,1.0\],\[0,0\],\[0,0.1\]\])

labels=\['A','A','B','B'\]

return group ,labels

group,labels=createDataSet()

def classify0(inx,dataSet,labels,k):

dataSetSize=dataSet.shape\[0\]

diffMat=np.tile(inx,(dataSetSize,1))-dataSet

sqDiffMat=diffMat\*\*2

sqDistances=sqDiffMat.sum(axis=1)

distances=sqDistances\*\*0.5 \#计算距离 python中会自动广播的形式

sortedDistIndicies=distances.argsort() \#排序，得到原来数据的在原来所在的下标

classCount=\{\}

for i in range(k):

voteIlabel=labels\[sortedDistIndicies\[i\]\] \# 计算距离最近的值所在label标签

classCount\[voteIlabel\]=classCount.get(voteIlabel,0)+1 \# 计算距离最近的值所在label标签，对前k哥最近数据进行累加

sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse=True) \#排序得到距离k个最近的数所在的标签

return sortedClassCount\[0\]\[0\]

if \_\_name\_\_=='\_\_main\_\_':

print(classify0(\[0,0\],group,labels,4))

\# 利用knn算法改进约会网站的配对效果

def file2matrix(filename):

fr=open(filename)

arrayOLines=fr.readlines()

numberOfLines=len(arrayOLines)

returnMat=np.zeros((numberOfLines,3))

classLabelVector=\[\]

index=0

for line in arrayOLines:

line=line.strip()

listFromLine=line.split('\\t')

returnMat\[index,:\]=listFromLine\[0:3\]

classLabelVector.append(int(listFromLine\[-1\]))

index+=1

return returnMat ,classLabelVector \#生成训练数据的array和目标array

path=u'D:\\\\Users\\\\zhoumeixu204\\\\Desktop\\\\python语言机器学习\\\\机器学习实战代码 python\\\\机器学习实战代码\\\\machinelearninginaction\\\\Ch02\\\\'

datingDataMat,datingLabels=file2matrix(path+'datingTestSet2.txt')

import matplotlib

import matplotlib.pyplot as plt

fig=plt.figure()

ax=fig.add\_subplot(111)

ax.scatter(datingDataMat\[:,1\],datingDataMat\[:,2\])

plt.show()

ax.scatter(datingDataMat\[:,1\],datingDataMat\[:,2\],15.0\*np.array(datingLabels),15\*np.array(datingDataMat\[:,2\]))

plt.show() \#生成训练数据的array和目标array

def autoNorm(dataset):

minVals=dataset.min(0)

maxVals=dataset.max(0)

ranges=maxVals-minVals

normeDataSet=np.zeros(np.shape(dataset))

m=dataset.shape\[0\]

normDataSet=dataset-np.tile(minVals,(m,1))

normDataSet=normDataSet/np.tile(ranges,(m,1))

return normDataSet ,ranges,minVals

normMat,ranges,minVals=autoNorm(datingDataMat)

def datingClassTest():

hoRatio=0.1

datingDataMat,datingLabels=file2matrix(path+'datingTestSet2.txt')

normMat,ranges,minVals=autoNorm(datingDataMat)

m=normMat.shape\[0\]

numTestVecs=int(m\*hoRatio)

errorCount=0.0

for i in range(numTestVecs):

classifierResult=classify0(normMat\[i,:\], normMat\[numTestVecs:m,:\], datingLabels\[numTestVecs:m\],3)

print "the classifier came back with :%d,the real answer is :%d"\\

%(classifierResult,datingLabels\[i\])

if classifierResult!=datingLabels\[i\]:

errorCount+=1.0

print "the total error rare is :%f"%(errorCount/float(numTestVecs)) \#利用knn算法测试错误率

if \_\_name\_\_=='\_\_main\_\_':

datingClassTest()

\#利用构建好的模型进行预测

def classifyPerson():

resultList=\['not at all','in same doses','in large d oses'\]

percentTats=float(raw\_input("percentage if time spent playin cideo games:"))

ffMiles=float(raw\_input("frequnet fliter miles earned per year:"))

iceCream=float(raw\_input("liters of ice cream consumed per year:"))

datingDataMat,datingLabels=file2matrix(path+'datingTestSet2.txt')

normMat,ranges,minVals=autoNorm(datingDataMat)

inArr=np.array(\[ffMiles,percentTats,iceCream\])

classifierResult=classify0((inArr-minVals)/ranges,normMat,datingLabels,3)

print("you will probably like the person:",resultList\[classifierResult-1\])

if \_\_name\_\_!='\_\_main\_\_':

classifyPerson()

\#利用knn算法进行手写识别系统验证

path=u'D:\\\\Users\\\\zhoumeixu204\\\\Desktop\\\\python语言机器学习\\\\机器学习实战代码 python\\\\机器学习实战代码\\\\machinelearninginaction\\\\Ch02\\\\'

def img2vector(filename):

returnVect=np.zeros((1,1024))

fr=open(filename)

for i in range(32):

lineStr=fr.readline()

for j in range(32):

returnVect\[0,32\*i+j\]=int(lineStr\[j\])

return returnVect

testVector=img2vector(path+'testDigits\\\\0\_13.txt')

print(testVector\[0,0:31\])

import os

def handwritingClassTest():

hwLabels=\[\]

trainingFileList=os.listdir(path+'trainingDigits')

m=len(trainingFileList)

trainingMat=np.zeros((m,1024))

for i in range(m):

fileNameStr=trainingFileList\[i\]

fileStr=fileNameStr.split('.')\[0\]

classNumStr=int(fileStr.split('\_')\[0\])

hwLabels.append(classNumStr)

trainingMat\[i,:\]=img2vector(path+'trainingDigits\\\\'+fileNameStr)

testFileList=os.listdir(path+'testDigits')

errorCount=0.0

mTest=len(testFileList)

for j in range(mTest):

fileNameStr=testFileList\[j\]

fileStr=fileNameStr.split('.')\[0\]

classNumStr=int(fileNameStr.split('\_')\[0\])

classNumStr=int(fileStr.split('\_')\[0\])

vectorUnderTest=img2vector(path+'testDigits\\\\'+fileNameStr)

classifierResult=classify0(vectorUnderTest,trainingMat,hwLabels,3)

print("the classifier canme back with:%d,the real answer is :%d"%(classifierResult,classNumStr))

if classifierResult!=classNumStr:

errorCount+=1.0

print("\\nthe total number of errors is :%d"%errorCount)

print("\\n the total error rate is :%f"%(errorCount/float(mTest)))

if \_\_name\_\_=='\_\_main\_\_':

handwritingClassTest()

运行结果如下图：

![Image 1][]

注：这里使用到了statsmodels模块，可以点击此处本站下载statsmodels安装模块，再进入statsmodels模块所在目录位置，使用：

pip install statsmodels-0.9.0-cp27-none-win32.whl

进行statsmodels模块的安装

同理，出现ImportError: No module named pandas错误提示时，点击此处本站下载pandas模块，再使用

pip install pandas-0.23.1-cp27-none-win32.whl

进行pandas模块的安装

更多关于Python相关内容感兴趣的读者可查看本站专题：《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

本文标题: Python实现的knn算法示例

本文地址: http://www.cppcns.com/jiaoben/python/230234.html

[Image 1]:

python的knn算法list_Python实现的knn算法示例

发表评论取消回复

还没有评论，来说两句吧...

相关阅读

相关 KNN算法

相关 python的knn算法list_Python实现的knn算法示例

相关深入浅出KNN算法(一) KNN算法原理

相关 python实现KNN分类算法

相关 python knn代码详解_具体knn算法概念参考knn代码python实现

相关 KNN算法的Python实现

相关 Python实现KNN算法

相关 KNN算法

相关 KNN算法

相关 kNN算法