1 from matplotlib.font_manager import FontProperties 2 import matplotlib.lines as mpl 3 import matplotlib.pyplot as plt 4 import numpy as np 5 import operator 6 #KNN分类器，inX测试集，dataSet训练集 7 def classify0(inX, dataSet, labels, k): 8 #得到作差后的新数组 9 diffmat=inX-dataSet 10 sqdiffmat=diffmat**2 11 #sum()所有元素相加，sum(0)所有列相加得到新的列表，sum(1)所有行相加 12 dis1=sqdiffmat.sum(axis=1) 13 dis=dis1**0.5 14 #返回一个列表的顺序排序索引 15 sorted_disindex=dis.argsort() 16 #创建空字典 17 classCount={} 18 for i in range(k): 19 #取出前k个元素的类别 20 votelabel = labels[sorted_disindex[i]] 21 #dict.get(key,default=None),字典的get()方法,返回指定键的值,如果值不在字典中返回默认值。 22 #计算类别次 23 classCount[votelabel]=classCount.get(votelabel,0) + 1 24 # #key=operator.itemgetter(1)根据字典的值进行排序 25 #key=operator.itemgetter(0)根据字典的键进行排序 26 #reverse降序排序字典 27 sortedclassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True) 28 return sortedclassCount[0][0] 29 30 31 #解析约会数据文件，并将数据导入一个numpy矩阵 32 def file2matrix(filename): 33 #打开文件 34 fr = open(filename) 35 #读取文件所有内容 36 arrayOLines = fr.readlines() 37 #得到文件行数 38 numberOfLines = len(arrayOLines) 39 #返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列 40 returnMat = np.zeros((numberOfLines,3)) 41 #返回的分类标签向量 42 classLabelVector = [] 43 #行的索引值 44 index = 0 45 for line in arrayOLines: 46 #s.strip(rm)，当rm空时,默认删除空白符(包括'\n','\r','\t',' ') 47 line = line.strip() 48 #使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。 49 listFromLine = line.split('\t') 50 #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 51 returnMat[index,:] = listFromLine[0:3] 52 #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 53 if listFromLine[-1] == 'didntLike': 54 classLabelVector.append(1) 55 elif listFromLine[-1] == 'smallDoses': 56 classLabelVector.append(2) 57 elif listFromLine[-1] == 'largeDoses': 58 classLabelVector.append(3) 59 index += 1 60 return returnMat, classLabelVector 61 62 #数据的初始分析，完整可用程序中也不需要 63 def showdatas(): 64 datingDataMat, datingLabels=file2matrix(filename) 65 #设置汉字格式,图标题文字 66 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc") 67 #将fig画布分隔成1行1列,不共享x轴和y轴,fig画布的大小为(13,8) 68 #当nrow=2,nclos=2时,代表fig画布被分为四个区域,axs[0][0]表示第一行第一个区域 69 fig, axs = plt.subplots(nrows=2, ncols=2,sharex=False, sharey=False, figsize=(13,8)) 70 71 numberOfLabels = len(datingLabels) 72 LabelsColors = [] 73 for i in datingLabels: 74 if i == 1: 75 LabelsColors.append('red') 76 if i == 2: 77 LabelsColors.append('orange') 78 if i == 3: 79 LabelsColors.append('blue') 80 #画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第二列(玩游戏)数据画散点数据,散点大小为15,透明度为0.5 81 axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5) 82 #设置标题,x轴label,y轴label 83 axs0_title_text = axs[0][0].set_title(u'飞行里程与玩游戏耗时占比',FontProperties=font) 84 axs0_xlabel_text = axs[0][0].set_xlabel(u'飞行里程程',FontProperties=font) 85 axs0_ylabel_text = axs[0][0].set_ylabel(u'玩游戏耗时',FontProperties=font) 86 plt.setp(axs0_title_text, size=9, weight='bold', color='black') 87 plt.setp(axs0_xlabel_text, size=8, weight='bold', color='black') 88 plt.setp(axs0_ylabel_text, size=8, weight='bold', color='black') 89 90 #画出散点图,以datingDataMat矩阵的第一(飞行常客例程)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5 91 axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5) 92 #设置标题,x轴label,y轴label 93 axs1_title_text = axs[0][1].set_title(u'飞行里程与消费冰激淋公升',FontProperties=font) 94 axs1_xlabel_text = axs[0][1].set_xlabel(u'飞行里程',FontProperties=font) 95 axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font) 96 plt.setp(axs1_title_text, size=9, weight='bold', color='black') 97 plt.setp(axs1_xlabel_text, size=8, weight='bold', color='black') 98 plt.setp(axs1_ylabel_text, size=8, weight='bold', color='black') 99 100 #画出散点图,以datingDataMat矩阵的第二(玩游戏)、第三列(冰激凌)数据画散点数据,散点大小为15,透明度为0.5 101 axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5) 102 #设置标题,x轴label,y轴label 103 axs2_title_text = axs[1][0].set_title(u'玩游戏耗时与冰激淋公升数占比',FontProperties=font) 104 axs2_xlabel_text = axs[1][0].set_xlabel(u'玩游戏耗时',FontProperties=font) 105 axs2_ylabel_text = axs[1][0].set_ylabel(u'消费冰激淋公升数',FontProperties=font) 106 plt.setp(axs2_title_text, size=9, weight='bold', color='black') 107 plt.setp(axs2_xlabel_text, size=8, weight='bold', color='black') 108 plt.setp(axs2_ylabel_text, size=8, weight='bold', color='black') 109 #设置图例 110 didntLike = mpl.Line2D([], [], color='red', marker='.', 111 markersize=6, label='didntLike') 112 smallDoses = mpl.Line2D([], [], color='orange', marker='.', 113 markersize=6, label='smallDoses') 114 largeDoses = mpl.Line2D([], [], color='blue', marker='.', 115 markersize=6, label='largeDoses') 116 #添加图例 117 axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses]) 118 axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses]) 119 axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses]) 120 #显示图片 121 plt.show() 122 123 def autoNorm(dataSet): 124 #获得数据的最小值 125 minVals = dataSet.min(0) 126 maxVals = dataSet.max(0) 127 #最大值和最小值的范围 128 ranges = maxVals - minVals 129 #原始值减去最小值 130 normDataSet = dataSet - minVals 131 #除以最大和最小值的差,得到归一化数据 132 normDataSet = normDataSet / ranges 133 #返回归一化数据结果,数据范围,最小值 134 return normDataSet, ranges, minVals 135 136 ##测试算法的准确性，完整的可用系统里不需要 137 def datingClassTest(): 138 #将返回的特征矩阵和分类向量分别存储到datingDataMat和datingLabels中 139 datingDataMat, datingLabels = file2matrix(filename) 140 #取所有数据的百分之十 141 hoRatio = 0.10 142 #数据归一化,返回归一化后的矩阵,数据范围,数据最小值 143 normMat, ranges, minVals = autoNorm(datingDataMat) 144 #获得normMat的行数 145 m = normMat.shape[0] 146 #百分之十的测试数据的个数 147 numTestVecs = int(m * hoRatio) 148 #分类错误计数 149 errorCount = 0.0 150 151 for i in range(numTestVecs): 152 #前numTestVecs个数据作为测试集,后m-numTestVecs个数据作为训练集 153 classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:], 154 datingLabels[numTestVecs:m], 5) 155 print("分类结果:%d\t真实类别:%d" % (classifierResult, datingLabels[i])) 156 if classifierResult != datingLabels[i]: 157 errorCount += 1.0 158 print("错误率:%f%%" %(errorCount/float(numTestVecs)*100)) 159 160 def classifyPerson(): 161 #输出结果 162 resultList = ['讨厌','有些喜欢','非常喜欢'] 163 #三维特征用户输入 164 precentTats = float(input("玩游戏耗时百分比:")) 165 ffMiles = float(input("每年飞行里程数:")) 166 iceCream = float(input("每周消费冰激淋公升数:")) 167 #打开的文件名 168 filename = "datingTestSet.txt" 169 #打开并处理数据 170 datingDataMat, datingLabels = file2matrix(filename) 171 #训练集归一化 172 normMat, ranges, minVals = autoNorm(datingDataMat) 173 #生成NumPy数组,测试集 174 inArr = np.array([precentTats, ffMiles, iceCream]) 175 #测试集归一化 176 norminArr = (inArr - minVals) / ranges 177 #返回分类结果 178 classifierResult = classify0(norminArr, normMat, datingLabels, 3) 179 #打印结果 180 print("你可能%s这个人" % (resultList[classifierResult-1])) 181 182 183 if __name__ == '__main__': 184 filename = "C:/Users/Administrator/Desktop/data/datingTestSet.txt" 185 classifyPerson()
