KNN人工智能机器学习算法JAVA实现

KNN人工智能机器学习算法JAVA实现

import java.io.*;
import java.util.*;
import java.util.Collections;
import java.util.Comparator;
import java.lang.*;

 class defWord{
	int wordIndex;
	int wordFreq;
   defWord（int A int B ）
	{
		wordIndex = A;
		wordFreq  = B;
	}
	
};
class defClass{
	double textDis;
	int emo;
	defClass（double A int B ）
	{
		textDis = A;
		emo = B;
	}
	defClass（）
	{
		textDis = 0;
		emo = 0;
	}
};

 class MyCompare implements Comparator //实现Comparator，定义自己的比较方法
{
	@Override
	public int compare（object o1 object o2） {
	defClass e1=（defClass）o1;
	defClass e2=（defClass）o2;
	if （e1.textDis>e2.textDis）  return 1; //这样比较是降序如果把-1改成1就是升序
	else if （e1.textDis	else return 0;
}
}

public class KNNClassification{
	
	static Vector data = new Vector（3）;  // 二位向量，用于储存记录每个文本向量，
	static Vector allTestResult = new Vector（3）;
	static Vector wordList = new Vector（3）; // 用于储存所有出现的不重复单词，顺序为文本出现的顺序
	static Vector wordInTextRecord = new Vector（3）;  // 用于记录每个出现该单词的文件的总数
	static Vector TrainTextPosb = new Vector（3）; // 用于记录回归时训练文本的标签概率
	public void KNN（）{}
	
    public static void classification （BufferedReader readKNN）throws IOException
	{
		String line;
		line= readKNN.readLine（）;
		while（ （line= readKNN.readLine（））!=null）
		{
	
			String[] testWords = line.split（“ “）;
			int wordListSize = wordList.size（）;
			int[] testText = new int[wordListSize];  // 储存每段所需文本的第三段相关信息
			for （int i=0;i			int num=0;
			for （String testWord:testWords）  // 遍历每个文本的单词
			{
				num++;
				if （num<4）  continue;
				int wordIndex = wordList.indexOf（testWord）;  // 在总单词向量表中寻找单词
				if （ wordIndex!=-1 ）   // 如果单词已存在于单词向量中
				{
					if （testText[wordIndex]==0）  testText[wordIndex]=1;	
				}
			}
			int e=testWords[1].charAt（0）-‘0‘;
			Vector textResult = new Vector（data.size（））;
			//int aaa=0;
			for （Vector trainText:data）
			{
				
				double dis = 0;
				int idx=0;
				defWord trainWord = （defWord）trainText.get（idx）;
				for （int i=0;i				{
					if （i==trainWord.wordIndex） 
					{
						idx+=1; 
						if （idx						if （testText[i]==0） dis+=1;
					}
					else if （i!=trainWord.wordIndex && testText[i]==1） dis+=1;
				}
				trainWord = （defWord）trainText.lastElement（）;
				//System.out.println（train.wordIndex）;
				defClass res = new defClass（dis trainWord.wordIndex）;
				textResult.addElement（res）;			
			}
			Comparator cmp = new MyCompare（）;
			Collections.sort（textResultcmp）;
			defClass res = new defClass（-1e）;
			textResult.addElement（res）;	
			allTestResult.addElement（textResult）;
		}
		//return allTextResult;
	}
			
	public static double getClassfied（int kOutputStreamWriter output1NN） throws IOException
	{

		int correctNum = 0;
		int num=0;
		for （Vector test:allTestResult）
		{
			num++;
			int[] emot

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       33251  2016-09-17 01:44  Dataset_test.csv
     文件       19160  2016-09-17 01:44  Dataset_train.csv
     文件       42503  2016-09-17 01:44  Dataset_validation.csv
     文件       63727  2016-09-17 01:44  Dataset_words.csv
     文件        7642  2016-09-27 11:34  KNNClassification.java
     文件       12135  2016-10-05 21:45  KNNRegression.java
     文件       38918  2016-10-05 21:34  test.xlsx
     文件       48784  2016-09-17 01:44  test1.txt
     文件       11993  2016-09-17 01:44  train1.txt
     文件       56772  2016-09-19 00:24  validation.xlsx