KNN 算法的实例应用

原文链接： https://www.cnblogs.com/asialee/p/9307337.html

使用 KNN 算法改进约会网站的配对效果

为了提高给 Helen 女士匹配约会对象的成功率，收集了各位男士的以下三种信息：

1. 每年的飞行里程数
2. 玩游戏所耗时间百分比
3. 每周消费的冰淇淋公升数

约会数据：datingTestSet.txt

先看一下数据集的内容：这里截取了三行，前三列分别是每年的飞行里程数、玩游戏所耗时间百分比和每周消费的冰淇淋公升数，最后一列是 Helen 女士对他们的 feel，largeDoses 表示 Helen 女士认为他非常有魅力，smallDoses 表示 Helen 女士对他感觉一般般，而 didntLike 则表示 Helen 女士不喜欢他。

40920	8.326976	0.953952	largeDoses
14488	7.153469	1.673904	smallDoses
26052	1.441871	0.805124	didntLike

1. 准备数据：从文本文件中解析数据

将收集来的数据输入到 KNN 分类器以前，应该将其处理成分类器能够接收的格式，即应该先分成特征和标签两部分，同时还要记得将标签转化为 int 型数字，用 1 代表不喜欢，2 代表魅力一般，3 代表极具魅力。

在 KNN_EXP01.py 文件中创建一个处理数据的函数：

def file2matrix(filename):
    # 打开文件
    fr = open(filename)
    # 按行读取文件
    arrayOLines = fr.readlines()
    # 得到文件行数
    numberOfLines = len(arrayOLines)
    # 创建用 0 填充的矩阵
    returnMat = zeros((numberOfLines, 3))
    # 创建用于存放标签的列表
    classLabelVector = []
    # 行的索引
    index = 0

    # 解析文件数据得到列表
    for line in arrayOLines:
        # 去掉所有回车字符
        line = line.strip()
        # 将整行数据分割成元素列表
        listFromLine = line.split('\t')
        # 选取前 3 个元素存储到特征矩阵中
        returnMat[index,:] = listFromLine[0:3]
        # 将最后一列存储到标签向量中
        if listFromLine[-1] == 'didntLike':
            classLabelVector.append(1)
        elif listFromLine[-1] == 'smallDoses':
            classLabelVector.append(2)
        else:
            classLabelVector.append(3)
        index += 1
    return returnMat, classLabelVector

在 python 命令提示符中输入命令，检查一下数据内容：

>>> import KNN_EXP01
>>> datingDataMat, datingDataLabels = KNN_EXP01.file2matrix('datingTestSet.txt')
>>> datingDataMat
array([[4.0920000e+04, 8.3269760e+00, 9.5395200e-01],
       [1.4488000e+04, 7.1534690e+00, 1.6739040e+00],
       [2.6052000e+04, 1.4418710e+00, 8.0512400e-01],
       ...,
       [2.6575000e+04, 1.0650102e+01, 8.6662700e-01],
       [4.8111000e+04, 9.1345280e+00, 7.2804500e-01],
       [4.3757000e+04, 7.8826010e+00, 1.3324460e+00]])
>>> datingDataLabels[0:20]
[3, 2, 1, 1, 1, 1, 3, 3, 1, 3, 1, 1, 2, 1, 1, 1, 1, 1, 2, 3]

2. 分析数据：用图形化方式直观展示数据

由于直接查看文本文件的方式不友好，所以一般会采用图形化的方式直观地展示数据，我们可以使用 Matplotlib 制作原始数据的散点图：

>>> import matplotlib
>>> import matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax = fig.add_subplot(111)
>>> ax.scatter(datingDataMat[:,1], datingDataMat[:,2])
<matplotlib.collections.PathCollection object at 0x000000DD7EDBC828>
>>> plt.show()

散点图使用 datingDataMat 矩阵的第二、第三列数据分别作为 x、y轴，即 x 轴为玩游戏所耗时间百分比，y 轴为每周消费的冰淇淋公升数。