美文网首页
03 ML KNN 实现的婚恋网站分类匹配

03 ML KNN 实现的婚恋网站分类匹配

作者: peimin | 来源:发表于2016-05-10 19:35 被阅读0次

marry_data 数据

from numpy import *
import operator
from os import listdir

def knn_class(inx, dataset, labels, k):
    dataset_size = dataset.shape[0]            # shape return size
    diff_mat     = tile(inx, (dataset_size, 1)) - dataset # tile() 计算距离
    sq_diff_mat  = diff_mat**2                 # python ** == ^ 这里平方算距离
    sq_distances = sq_diff_mat.sum(axis = 1)   # axis = 0 -> 列 asix = 1 -> 行 按列累和 (x^2 + y^2)
    distances    = sq_distances**0.5           # (x^2 + y^2)开方算距离 
    sorted_dist_indicies = distances.argsort() # 距离计算 argsort() 函数返回从小到大的索引值

    # 选取 K 个距离最小的点 进行分类  并且统计各个分类的数量
    class_count = {}
    for i in range(k): # [0, k-1]
        vote_label = labels[sorted_dist_indicies[i]]
        class_count[vote_label] = class_count.get(vote_label, 0) + 1 

    sorted_class_count = sorted(class_count.iteritems(), key=operator.itemgetter(1), reverse=True)
    return sorted_class_count[0][0]

def file_to_matrix(filename):
    love_dict = {'largeDoses' : 3, 'smallDoses' : 2, 'didntLike': 1}
    file = open(filename)

    lines = file.readlines()
    lines_num = len(lines)
    data_matrix = zeros((lines_num, 3)) # -> lines_num * 3 matrix
    
    class_label = []
    idx = 0
    for line in lines:
        line = line.strip()           # 删除空白字符
        msgs = line.split('\t')
        
        data_matrix[idx, :] = msgs[0:3]   # 放入 对应的行中 40920  8.326976    0.953952    largeDoses
        if (msgs[-1].isdigit()):
            class_label.append(int(msgs[-1]))
        else:
            class_label.append(love_dict.get(msgs[-1])) # 获取得到该数据的 lable 对应的编号 3 2 1
        idx += 1
    return data_matrix, class_label

# 把数据归一化到 [0, 1]
def auto_norm(data_set):
    min_vals = data_set.min(0)
    max_vals = data_set.max(0)
    ranges   = max_vals - min_vals

    norm_data = zeros(shape(data_set))
    row_size = data_set.shape[0]
    print('row_size', row_size)

    # 这里归一化的算法思路: [x, y] z 在 x,y 之间 
    # 结果 = (z - x) / (y - x) 比如: [1, 9] z = 4 -> = (4 - 1) / (9 - 1)
    norm_data = data_set - tile(min_vals, (row_size, 1))
    norm_data = norm_data / tile (ranges, (row_size, 1))
    return norm_data, ranges, min_vals    
    

# 文件中的数据格式
# 40920 8.326976    0.953952    largeDoses
# 14488 7.153469    1.673904    smallDoses
# 26052 1.441871    0.805124    didntLike
# 75136 13.147394   0.428964    didntLike
# 38344 1.669788    0.134296    didntLike
# 72993 10.141740   1.032955    didntLike

def date_class_test():
    ratio = 0.1 # 这里用 90% 的数据来训练 10% 数据留作验证
    data_matrix, class_label = file_to_matrix('./marry_data')
    norm_matrix, ranges, min_vals = auto_norm(data_matrix) # 数据归一化 使得数据都在 [0,1] 之间 影响因子相同

    norm_size = norm_matrix.shape[0]
    test_num  = int(norm_size * ratio)
    error_count = 0.0

    for i in range(test_num):
        result = knn_class(norm_matrix[i, :], norm_matrix[test_num:norm_size, :],
             class_label[test_num:norm_size], 3)

        if (result != class_label[i]):
            error_count += 1.0
    return (error_count / float(test_num)) * 100

print('error_count: %d') % (date_class_test()) + '%' # 5.0%

相关文章

  • 03 ML KNN 实现的婚恋网站分类匹配

    marry_data 数据

  • 利用Python进行数字识别

    思路 通过Python实现KNN算法。而KNN算法就是K最近邻(k-Nearest Neighbor,KNN)分类...

  • 2019-03-06

    ML——降维与度量学习 KNN学习 k近邻(KNN)学习是一种常用的监督学习方法,可用于分类与回归任务中。基本思想...

  • 2020-08-10--KNN01

    KNN算法的原理介绍KNN算法的一个简单实现(肿瘤分类)将KNN算法封装成函数机器学习套路使用scikit-lea...

  • KNN算法实现及其交叉验证

    KNN算法 用NumPy库实现K-nearest neighbors回归或分类。 knn 邻近算法,或者说K最近邻...

  • 机器学习(一)——KNN算法之约会网站匹配效果

    【实验目的】 为了熟悉和掌握K近邻算法,改进约会网站的匹配策略。 【实验要求】 用KNN算法改进约会网站的配对效果...

  • KNN算法实现及其交叉验证

    KNN算法 用NumPy库实现K-nearest neighbors回归或分类。 邻近算法,或者说K最近邻(kNN...

  • KNN 及其扩展

    KNN 及其扩展 标签(空格分隔): KNN 代码详见:https://github.com/AresAnt/ML...

  • 基于ml-knn的多标签分类

    首先要区别多分类 和多标签的区别。 多分类问题:一个样本的类别是多个,比如判别一个未知水果,它可能是苹果,也可能是...

  • k-邻近算法

    使用Python实现kNN分类为算法 计算距离函数classify0()如下: 输入参数:用于分类的输入向量inX...

网友评论

      本文标题:03 ML KNN 实现的婚恋网站分类匹配

      本文链接:https://www.haomeiwen.com/subject/dppyrttx.html