发布的代码都是经本人调试，在Python2.7上可以正常运行的。后面还会附带一些自己在写代码过程中遇到的问题。
#!/usr/bin/python
#-*- coding:UTF-8-*-
from numpyimport *
import operator
from osimport listdir
def classify0(inX, dataSet, labels, k):
dataSetSize = dataSet.shape[0]
diff = tile(inX, (dataSetSize,1))-dataSet
sqDiff = diff **2
sqDistances = sqDiff.sum(axis=1)
Distance = sqDistances **0.5
sortedDisIndices = Distance.argsort()
classCount = {}
for iin range(k):
voteLabel = labels[sortedDisIndices[i]]
classCount[voteLabel] =classCount.get(voteLabel,0)+1
sortedClassCount=sorted(classCount.iteritems(),key=operator.itemgetter(1),reverse =True)
return sortedClassCount[0][0]
#将文本记录转换为Numpy的解析程序
def file2matrix(filename):
#从文件中读入训练集，并将其存储为矩阵形式
fr =open(filename)
arrayOfLines = fr.readlines()
numberOfLines =len (arrayOfLines)#得到文件的行数
returnMat = zeros((numberOfLines,3))
#创建一个２维矩阵用来存放训练样本数据集，每一行存放三个数据
classLabelVector = []#创建一个一维数组用来存放训练样本的标签
index =0 #这里的Index指的是第几行
for linein arrayOfLines:
line = line.strip()#去掉文本尾部的换行符
listFromLine = line.split('\t')#将每行数据按空格来分割
# 以‘/t’来分割字符，文本中是以tab来分割的
#split()返回一个List对象
#returnMat[index, :] = listFromLine[0:3]
returnMat[index, : ] = listFromLine[0:3]
#这里的index指的是returnMat这个矩阵的第几行
#List[0]表示List矩阵的第一行
#List[2，：]表示List矩阵中第三行的所有元素
#List[2,0:2]表示List矩阵中第三行下标为０和１的两个元素，２表示结束不算在内
classLabelVector.append(int(listFromLine[-1]))
#Python语言中可以使用索引值－１表示列表中的最后一个元素（这里就是标签），把它存储到LabelVector中
#这里的int ,是因为必须要告诉解释器列表中存储的元素为整型，否则Python 就会按照字符串来处理
index +=1
return returnMat,classLabelVector
#关于数值的归一化： 简单来说，就是将所有的数据变为 ０－１之间的数
def autoNorm(dataSet):
minVals = dataSet.min(0)
#min(0)是取列中的最小值；min(1)是取行中的最小值；max()同理
maxVals = dataSet.max(0)
ranges = maxVals - minVals
normDataSet = zeros(shape(dataSet))#定义一个空的矩阵
#shape(A)就是返回一个具有矩阵A 维度的矩阵
m = dataSet.shape[0]#每一行元素的个数,即矩阵的列数
normDataSet = dataSet - tile(minVals,(m,1))#tile(A,(m,1))先将矩阵A复制m行列保持不变
normDataSet = normDataSet/tile(ranges,(m,1))
return normDataSet, ranges, minVals
#分类器测试代码
def datingClassTest():
hoRatio =0.1 #测试数据集所占的比例
datingDataMat, datingLabels = file2matrix('datingTestSet2.txt')
normMat, ranges, minVals = autoNorm(datingDataMat)
m = normMat.shape[0]#返回数据集的行数
numTestVecs =int (m * hoRatio)#测试卷的数量
errorCount =0.0
for iin range(numTestVecs):#循环读取每行数据
classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
#对每条数据进行分类
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))
print errorCount
#约会网站预测函数
def classifyperson():
resultList =['not at all','in small doses','in large doses']
percentPlay =float(raw_input("percentage of time spent playing video games?"))
ffMovies =float(raw_input(("frequent flier miles earned per year")))
iceCream =float(raw_input("liters of icecream consumed per year"))
datingDataMat,datingLabels = file2matrix("datingTestSet2.txt")
normMat, ranges, minVals =autoNorm(datingDataMat)
inArr =array([ffMovies, percentPlay, iceCream])#将输入数据写到数组中
classifierResult = classify0((inArr - minVals)/ranges, normMat, datingLabels,3)
#classifierResult = classify0(inArr , normMat, datingLabels, 3)
print "You will probably like this person :", resultList[classifierResult -1]
if __name__ =="__main__":
#datingClassTest()
classifyperson()
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
problem1: 《机器学习实战》这本书上面有个小错误，datingDataSet.txt应该改为datingDataSet2.txt
problem2: 在将文本记录转换为Numpy的解析程序过程中，要注意：
1) line.strip() 截取掉所有的回车字符，然后使用tab字符\t将上一步得到的郑航数据分割成一个元素列表 (注意不少/t，这个错误我改了好久才发现)
２）如果没有通知解释器，列表中存储的元素值是整型，Python语言会将这些元素当作字符串来处理
problem3: classifyperson()函数中，datingTestSet2.txt要和problem1中的数据集一样
备注：需要datingDataSet.txt 等数据可以emal me at :[email protected],欢迎技术交流