(一)机器学习第一天 KNN算法实现(约会网站配对效果)

news/2024/5/9 9:23:31/文章来源:https://blog.csdn.net/m0_47027405/article/details/106443360

本文讲解的第一个机器学习算法是k-近邻算法(kNN),它的工作原理是:存在一个样本数
据集合,也称作训练样本集,并且样本集中每个数据都存在标签,即我们知道样本集中每一数据
与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的
特征进行比较,然后算法提取样本集中特征最相似数据(最近邻)的分类标签。一般来说,我们
只选择样本数据集中前k个最相似的数据,这就是k-近邻算法中k的出处,通常k是不大于20的整数。
最后,选择k个最相似数据中出现次数最多的分类,作为新数据的分类。
导入模块

from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import time
import numpy as np
import operator

创建数据集
group- 数据集
labels-分类标签

def createDataSet():# 四组二维特征group = np.array([[1,101],[5,89],[108,5],[115,8]])# 四组特征的标签labels = ['爱情片','爱情片','动作片','动作片']return group, labels

KNN算法(分类器)
对未知类别属性的数据集中的每个点依次执行以下操作:
(1) 计算已知类别数据集中的点与当前点之间的距离;
(2) 按照距离递增次序排序;
(3) 选取与当前点距离最小的k个点;
(4) 确定前k个点所在类别的出现频率;
(5) 返回前k个点出现频率最高的类别作为当前点的预测分类。

def classify0(inX, dataSet, labels, k):dataSetSize = dataSet.shape[0]diffMat = np.tile(inX, (dataSetSize, 1)) - dataSetsqDiffMat = diffMat**2sqDistances = sqDiffMat.sum(axis=1)distances = sqDistances**0.5sortedDistIndicies = distances.argsort()classCount = {}for i in range(k):voteIlabel = labels[sortedDistIndicies[i]]classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1sortedClassCount = sorted(classCount.items(),key = operator.itemgetter(1), reverse = True)return sortedClassCount[0][0]

打开解析文件,对数据进行分类
1代表不喜欢,2代表魅力一般,3代表极具魅力

def file2matrix(filename):fr = open(filename)arrayOlines = fr.readlines()numberOfLines = len(arrayOlines)returnMat = np.zeros((numberOfLines, 3))classLabelVector = []index = 0for line in arrayOlines:line = line.strip()listFromLine = line.split('\t')returnMat[index,:] = listFromLine[0:3]if listFromLine[-1] == 'didntLike':classLabelVector.append(1)elif listFromLine[-1] == 'smallDoses':classLabelVector.append(2)elif listFromLine[-1] == 'largeDoses':classLabelVector.append(3)index += 1return returnMat, classLabelVector

可视化数据

def showdatas(datingDataMat, datingLabels):font = FontProperties(fname=r"C:\Windows\Fonts\simsun.ttc", size=14)fig, axs = plt.subplots(nrows=2, ncols=2, sharex=False, sharey=False, figsize=(13, 8))LabelsColors = []for i in datingLabels:# didntLikeif i == 1:LabelsColors.append('black')# smallDosesif i == 2:LabelsColors.append('orange')# largeDosesif i == 3:LabelsColors.append('red')axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors, s=15, alpha=.5)axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比', FontProperties=font)axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数', FontProperties=font)axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占比', FontProperties=font)plt.setp(axs0_title_text, size=9, weight='bold', color='red')plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black')plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors, s=15, alpha=.5)axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰淇淋公升数', FontProperties=font)axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数', FontProperties=font)axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰淇淋公升数', FontProperties=font)plt.setp(axs1_title_text, size=9, weight='bold', color='red')plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black')plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors, s=15, alpha=.5)axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰淇淋公升数', FontProperties=font)axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比', FontProperties=font)axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰淇淋公升数', FontProperties=font)plt.setp(axs2_title_text, size=9, weight='bold', color='red')plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black')plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')didntLike = mlines.Line2D([], [], color='black', marker='.', markersize=6, label='didntLike')smallDoses = mlines.Line2D([], [], color='orange', marker='.', markersize=6, label='smallDoses')largeDoses = mlines.Line2D([], [], color='red', marker='.', markersize=6, label='largeDoses')axs[0][0].legend(handles=[didntLike, smallDoses, largeDoses])axs[0][1].legend(handles=[didntLike, smallDoses, largeDoses])axs[1][0].legend(handles=[didntLike, smallDoses, largeDoses])plt.show()

对数据进行归一化
normDataSet - 归一化后的特征矩阵
ranges - 数据范围
minVals - 数据最小值

def autoNorm(dataSet):minVals = dataSet.min(0)maxVals = dataSet.max(0)ranges = maxVals - minValsnormDataSet = 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

分类器测试函数
normDataSet - 归一化后的特征矩阵
ranges - 数据范围
minVals - 数据最小值

def datingClassTest():filename = "datingTestSet.txt"datingDataMat, datingLabels = file2matrix(filename)hoRatio = 0.10normMat, ranges, minVals = autoNorm(datingDataMat)m = normMat.shape[0]numTestVecs = int(m * hoRatio)errorCount = 0.0for i in range(numTestVecs):classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],\datingLabels[numTestVecs:m], 4)print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i]))if classifierResult != datingLabels[i]:errorCount += 1.0print("错误率:%f%%" % (errorCount/float(numTestVecs)*100))

通过输入一个人的三围特征,进行分类输出

def classifyPerson():resultList = ['讨厌', '有些喜欢', '非常喜欢']percentTats = float(input("玩视频游戏所消耗时间百分比:"))ffMiles = float(input("每年获得的飞行常客里程数:"))iceCream = float(input("每周消费的冰淇淋公升数:"))filename = "datingTestSet.txt"datingDataMat, datingLabels = file2matrix(filename)normMat, ranges, minVals = autoNorm(datingDataMat)inArr = np.array([percentTats, ffMiles, iceCream])norminArr = (inArr - minVals) / rangesclassifierResult = classify0(norminArr, normMat, datingLabels, 4)print("你可能%s这个人" % (resultList[classifierResult - 1]))

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.luyixian.cn/news_show_900836.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Python 数据分析微专业课程--项目03 视频网站数据清洗整理和结论研究

1.项目说明 读取爱奇艺网站数据,对数据进行清洗和整理,分析不同导演电影的好评率,对2001-2016电影影评人数分析,筛选出当年热门电影 2.项目具体要求 数据清洗 - 去除空值;时间标签转化分析出不同导演电影的好评率,并…

ppt免费下载网站分享

第一PPT https://www.1ppt.com/ 优品PPT https://www.ypppt.com/ 比格PPT http://www.tretars.com/ PPT宝藏 http://www.pptbz.com/ 51 PPT模板 https://www.51pptmoban.com/

IIS中启用CGI来托管PHP和Python网站

IS中如果要托管PHP和Python的web站点,需要用到CGI来处理HTTP请求,默认情况IIS中是没有CGI模块的,需要在Windows server的服务器管理器(Server Manager)中安装CGI模块,步骤如下: 首先打开Server …

图解IIS8上解决网站第一次访问慢的处理(转载)

本篇经验以IIS8,Windows Server 2012R2做为案例。IIS8 运行在 Windows Server 2012 and Windows 8 版本以上的平台上。IIS中应用程序池和网站是单独存在的,但是网站运行必须建立在对应的应用程序池启动的前提下。默认情况下,应用程序池在不活…

【分享】FME小白式安装教程及教学网站

前言 FME(Feature Manipulate Engine,简称FME)是加拿大Safe Software公司开发的空间数据转换处理系统,它是完整的空间ETL解决方案。该方案基于OpenGIS组织提出的新的数据转换理念“语义转换”,通过提供在转换过程中重构数据的功能,实现了超过250种不同空间数据格式(模型)之间的…

完美解决Github网站刷新速度慢

版权声明:本文为CSDN博主「岳振威」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 原文链接:https://blog.csdn.net/u014627020/article/details/118095013 完美解决Github网站刷新速度慢 1. 修改本地…

桌面风格的WEB网站收藏

天天记账网:http://www.365jizhang.com 超级牛牛无敌在线盯盘专家:http://www.googlook.net/stock/Stock.html

记录 PPT免费模板网站

工欲善其事必先利其器 !!! 模板 PPT超级市场 优品PPT 素材 colorhunt - 配色 Pexels - 素材图片 阿里巴巴矢量图标库 免费 图标 LOGO,支持多种格式 自主颜色调整 Qiuziti - 字体 工具 islide - 辅助插件 环形布局、智能图表、…

web网站示例代码拉取

1、创建一个文件夹demo 1)初始化文件夹 npm init 2)下载express requests npm i express requestsdemo——index.js //1-1 下载代码 let requests require("requests"); //2-2在这保存文件 let fs require("fs"); // 2-1配置它,否则会报错 …

java/php/net/pythont二手手机回购网站设计

本系统带文档lw万字以上答辩PPT查重 如果这个题目不合适,可以去我上传的资源里面找题目,找不到的话,评论留下题目,或者站内私信我, 有时间看到机会给您发 1管理员用例 管理员登录后可进行首页、个人中心、会员管理、…

java/php/net/pythont东软健身会员网站设计

本系统带文档lw万字以上答辩PPT查重 如果这个题目不合适,可以去我上传的资源里面找题目,找不到的话,评论留下题目,或者站内私信我, 有时间看到机会给您发 本课题要求实现一套东软健身会员网站的开发与实现&#xff0c…

不要在翻译中迷失:如何进行网站本地化-20150105早读课

关于本地化网站的一个常见误区是他们总被认为就是原网站的一个翻译版本。翻译不是一切。当然,对用户而言内容才是一切:是否这些内容之间有联系并容易被用户理解同时符合和用户的文化语境呢? 创业家杂志指出: “根据IDC公司的一项调…

免费的银行卡BIN查询网站(API)

https://xbronc.com/lab/cardbin.html也可以支持API接口方式调用。

做自媒体值实用的九个网站,身为老司机的你你用过没?

嗨咯,大家好,这里是依旧为自媒体人推送你所想了解的平台运营方法技巧,在前面我们已经讲到了百家号的注册以及运营的小技巧,在这里给大家分享几个好用又实用的网站,希望对你们有帮助哦~ 作为一个自媒体人,内…

(学习经验谈)Android开发不可或缺的十大网站及工具

Android开发不可或缺的十大网站及工具 1. Google 做开发前完全是小白,真心不知道有Google这东西,只晓得百度,遇到问题直接百度,不是黑百度,百度在娱乐八卦方面确实靠谱,但是技术方面查出来的东西基本千篇…

政府网站方案书

政府网站方案书 第一章 前言 2第二章 成功经验 3第三章 系统总体设计原则 3一、门户网站建设目标 3二、网站程序设计原则 32.1 开放性: 32.2 先进性: 42.3 高性能: 42.4 实用性: 42.5 安全性: 42.6 规范性:…

欢迎您到威斯康星大学的CSE人工智能网站

欢迎您到威斯康星大学的CSE人工智能网站! We are active in all major areas of AI, including machine learning, natural language processing, planning, reasoning, robotics, and vision.我们正积极在各主要地区的禽流感,包括机器学习,自…

网站在服务器做301重定向

为了便于网站优化,统一数据,我们常把带www和不带www的网站绑定到一起,但域名解析的时候常常默认不带www和带www的是两个网站举个例子:cc.com和www.cc.com默认是两个站 那么这时候我们就需要将这两个绑定到一起 这里说的是nginx的…

白嫖必看!这份由阿里P8大牛编译的JDK源码剖析及大型网站技术架构与业务架构融合之道1000页笔记

前言 并发编程可选择的方式有多进程、多线程和多协程。对于Java来说,它既不像C那样,在运行中调用Linux的系统API去“fork”出多个进程;也不像Go那样,在语言层面原生提供多协程。在Java中,并发就是多线程模式。 本文基…

树莓派搭建个人博客web网站 步骤一 系统安装

1.准备 你可能提前需要准备的东西如下: 16GB or 32GB 的SanDisk内存卡(注意是以前那种放在手机上,很小的哦)一根最普通不过的usb安卓数据线(not type-c)u盘格式化工具(推荐使用 SDFormatter)系…