机器学习实战笔记2：使用K

机器学习实战笔记2：使用K

一 背景

在学习了上一节简单的k-近邻算法实现后，这一篇文章讲一下书中给出的一个例子，在约会网站上使用k-近邻算法：
1）收集数据：可以使用爬虫进行数据的收集，也可以使用第三方提供的免费或收费的数据。一般来讲，数据放在txt文本文件中，按照一定的格式进行存储，便于解析及处理。
2）准备数据：使用Python解析、预处理数据。
3）分析数据：可以使用很多方法对数据进行分析，例如使用Matplotlib将数据可视化。
4）测试算法：计算错误率。
5）使用算法：错误率在可接受范围内，就可以运行k-近邻算法进行分类。

二 准备数据：从文本文件中解析数据

直接用了一个博主给的数据：
数据下载

海伦收集的样本数据主要包含以下3种特征：

• 每年获得的飞行常客里程数
• 玩视频游戏所消耗时间百分比
• 每周消费的冰淇淋公升数
  在第一节代码基础上创建名为file2matrix的函数：

def file2matrix(filename):fr = open(filename)# 读取文件所有内容arrayOLines = fr.readlines()# 得到文件行数numberOfLines = len(arrayOLines)# 返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列returnMat = zeros((numberOfLines, 3))classLabelVector = []# 行的索引值index = 0for line in arrayOLines:# s.strip(rm)，当rm空时,默认删除空白符line = line.strip()# 使用s.split(str="",num=string,cout(str))将字符串根据't',tab字符分隔符进行切片。listFromLine = line.split('t')# 将数据前三列提取出来,存放到returnMat的NumPy矩阵中,也就是特征矩阵returnMat[index, :] = listFromLine[0:3]# 根据文本中标记的喜欢的程度进行分类,1代表不喜欢,2代表魅力一般,3代表极具魅力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

上面代码主要作用是从txt文件中一行一行的提取出数据到数组中,首先用line.strip()截取掉所有的回车字符，然后使用tab字符“t”将上一步得到的整行数据分割成一个元素列表。
然后测试：

if __name__ == '__main__':#打开的文件名filename = ""#打开并处理数据datingDataMat, datingLabels = file2matrix(filename)print(datingDataMat)print(datingLabels)

数据解析结果类似：