'''
kNN: K近邻算法
Input: inX: 要判断的数据
dataSet: 训练数据集
labels: 数据分类
k: 输出结果的个数
Output: 输出欧氏距离最小的k个数
这个KNN算法的主程序
'''
from numpy import *
import operator
from os import listdir
def classify0(inX, dataSet, labels, k):
"""
训练模型，inx
"""
dataSetSize = dataSet.shape[0] #长度
diffMat = tile(inX, (dataSetSize,1)) - dataSet #将预测减去测试样本
sqDiffMat = diffMat**2 #平方差
sqDistances = sqDiffMat.sum(axis=1) #多个平方之和
distances = sqDistances**0.5 #开平方
sortedDistIndicies = distances.argsort() #数组值从小到大的索引值
classCount={}
for i in range(k):
voteIlabel = labels[sortedDistIndicies[i]]
classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1 #将相应分类的个数加1
sortedClassCount = sorted(classCount.iteritems(), key=operator.itemgetter(1), reverse=True) #对结果进行排序
return sortedClassCount[0][0] #输出分类结果
def createDataSet():
"""
创建数据集
"""
group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]]) #文件的数据
labels = ['A','A','B','B'] #类别
return group, labels
def file2matrix(filename):
"""
将数据读取出来，将数据变成矩阵
"""
fr = open(filename) #打开文件
numberOfLines = len(fr.readlines()) #读取行数据，获取所有数据的行数
returnMat = zeros((numberOfLines,3)) #创建矩阵，数据的行数，多少列
classLabelVector = [] #创建类别的矩阵
fr = open(filename)
index = 0
for line in fr.readlines(): #遍历所有数据
line = line.strip() #清除数据的前后的空格
listFromLine = line.split('\t') #将数据按照tab键进行分割
returnMat[index,:] = listFromLine[0:3] #进行数据复制
classLabelVector.append(int(listFromLine[-1])) #添加类别
index += 1
return returnMat,classLabelVector #返回类别、数据的矩阵
def autoNorm(dataSet):
"""
进行归一化处理
"""
minVals = dataSet.min(0) #获取数据的最小值
maxVals = dataSet.max(0) #获取数据的最大值
ranges = maxVals - minVals #整个数据集中差值范围
normDataSet = zeros(shape(dataSet)) #读取数的长度（行长度，列长度），创建矩阵
m = dataSet.shape[0] #获取数据的训练样本
normDataSet = dataSet - tile(minVals, (m,1)) #将minVals变成m行，1列的矩阵，使用当前值减去最小值
normDataSet = normDataSet/tile(ranges, (m,1)) #将获取的值除以差值，获取一个范围[0-1]
return normDataSet, ranges, minVals #返回归一化之后的矩阵，差值范围，最小值
def datingClassTest():
"""
约会类别测试
"""
hoRatio = 0.50 #hold out 10% 确定测试的样本数
datingDataMat,datingLabels = file2matrix('datingTestSet2.txt') #加载数据，数据矩阵、类别
normMat, ranges, minVals = autoNorm(datingDataMat) #进行归一化
m = normMat.shape[0] #数据行的长度
numTestVecs = int(m*hoRatio) #确定测试的样本数
errorCount = 0.0 #错误率
for i in range(numTestVecs): #对文件进行遍历
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3) #分类结果
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 rate is: %f" % (errorCount/float(numTestVecs)) #判断错误率
print errorCount
def img2vector(filename):
"""
这个方法主要是把图片变成向量
"""
returnVect = 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
def handwritingClassTest():
"""
手写数字图案判断
"""
hwLabels = []
trainingFileList = listdir('trainingDigits') #获取目录中的内容，加载数据
m = len(trainingFileList) #求出长度
trainingMat = zeros((m,1024)) #创建矩阵
for i in range(m):
fileNameStr = trainingFileList[i]
fileStr = fileNameStr.split('.')[0] #将数据按照'.'进行拆分
classNumStr = int(fileStr.split('_')[0]) #将数据按照'_'进行拆分
hwLabels.append(classNumStr)
trainingMat[i,:] = img2vector('trainingDigits/%s' % fileNameStr) #将图片变成矩阵，训练数据
testFileList = listdir('testDigits') #获取目录的文件内容
errorCount = 0.0
mTest = len(testFileList) #文件个数
for i in range(mTest):
fileNameStr = testFileList[i]
fileStr = fileNameStr.split('.')[0] #将数据按照'.'进行拆分
classNumStr = int(fileStr.split('_')[0]) #将数据按照'_'进行拆分
vectorUnderTest = img2vector('testDigits/%s' % fileNameStr) #将测试数据变成矩阵，
classifierResult = classify0(vectorUnderTest, trainingMat, hwLabels, 3) #进行分类，和约会使用的分类方法是一致的。
print "the classifier came 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 "\nthe total error rate is: %f" % (errorCount/float(mTest))
