kNN相关代码和数据

资源为机器学习实战第二章kNN所需相关代码和数据集，大家有用的可以下载哈

# -*- coding: cp936 -*-
# 1：约会网站
from numpy import *
import operator
from os import listdir

#创造数据集
def createDataSet（）:
    group = array（[[1.0 1.1] [1.0 1.0] [0 0] [0 0.1]]）
    labels = [‘A‘ ‘A‘ ‘B‘ ‘B‘]
    return group labels

#第一个kNN分类器  inX-测试数据 dataSet-样本数据  labels-标签 k-邻近的k个样本
def classify0（inXdataSet labels k）:
    #计算距离
    dataSetSize = dataSet.shape[0]
    diffMat = tile（inX （dataSetSize1））- dataSet
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum（axis = 1）
    distances = sqDistances **0.5
    sortedDistIndicies = distances.argsort（）
    classCount = {}
    #选择距离最小的k个点
    for i in range（k）:
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get（voteIlabel0）+1
    #排序
    sortedClassCount = sorted（classCount.iteritems（） key = operator.itemgetter（1）reverse = True）
    return sortedClassCount[0][0]


# 将文本记录到转换numPy的解析程序
def file2matrix（filename）:
    #打开文件并得到文件行数
    fr = open（filename）
    arrayOLines = fr.readlines（）
    numberOfLines = len（arrayOLines）
    #创建返回的numPy矩阵
    returnMat = zeros（（numberOfLines 3））
    classLabelVector = []
    index =0
    #解析文件数据到列表
    for line in arrayOLines:
        line = line.strip（）
        listFormLine = line.split（‘\t‘）
        returnMat[index:] = listFormLine[0:3]
        classLabelVector.append（int（listFormLine[-1]））
        index += 1
    return returnMat classLabelVector

#归一化特征值
def autoNorm（dataSet）:
    minVals = dataSet.min（0）;
    maxVals = dataSet.max（0）;
    ranges = maxVals - minVals;
    normDataSet = zeros（shape（dataSet））
    m = dataSet.shape[0]
    normDataSet = dataSet - tile（minVals （m1））
    normDataSet = normDataSet/tile（ranges（m1））
    return normDataSet ranges minVals


#测试代码
def datingClassTest（）:
    hoRatio = 0.10    #测试数据占的百分比
    datingDataMat datingLabels = file2matrix（‘datingTestSet2.txt‘）
    normMat ranges minVals = autoNorm（datingDataMat）
    m = normMat.shape[0]
    numTestVecs = int（m*hoRatio）
    errorCount = 0.0
    for i in range（numTestVecs）:
        classifierResult = classify0（normMat[i:] normMat[numTestVecs:m:]datingLabels[numTestVecs:m]3）
        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））
    

#输入某人的信息，便得出对对方喜欢程度的预测值
def classifyPerson（）:
    resultList = [‘not at all‘ ‘in small doses‘ ‘in large doses‘]
    percentTats = float（raw_input（“percentage of time spent playing video games?“））
    ffMiles = float（raw_input（“frequent flier miles earned per year?“））
    iceCream = float（raw_input（“liters of ice cream consumed per year?“））
    datingDataMat datingLabels = file2matrix（‘datingTestSet2.txt‘）
    normMat ranges minVals = autoNorm（datingDataMat）
    inArr = array（[ffMiles

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       4930  2014-07-18 16:26  kNN.py

     文件       1088  2010-10-07 21:35  testDigits\0_0.txt

     文件       1088  2010-10-07 21:35  testDigits\0_1.txt

     文件       1088  2010-10-07 21:35  testDigits\0_10.txt

     文件       1088  2010-10-07 21:35  testDigits\0_11.txt

     文件       1088  2010-10-07 21:35  testDigits\0_12.txt

     文件       1088  2010-10-07 21:35  testDigits\0_13.txt

     文件       1088  2010-10-07 21:35  testDigits\0_14.txt

     文件       1088  2010-10-07 21:35  testDigits\0_15.txt

     文件       1088  2010-10-07 21:35  testDigits\0_16.txt

     文件       1088  2010-10-07 21:35  testDigits\0_17.txt

     文件       1088  2010-10-07 21:35  testDigits\0_18.txt

     文件       1088  2010-10-07 21:35  testDigits\0_19.txt

     文件       1088  2010-10-07 21:35  testDigits\0_2.txt

     文件       1088  2010-10-07 21:35  testDigits\0_20.txt

     文件       1088  2010-10-07 21:35  testDigits\0_21.txt

     文件       1088  2010-10-07 21:35  testDigits\0_22.txt

     文件       1088  2010-10-07 21:35  testDigits\0_23.txt

     文件       1088  2010-10-07 21:35  testDigits\0_24.txt

     文件       1088  2010-10-07 21:35  testDigits\0_25.txt

     文件       1088  2010-10-07 21:35  testDigits\0_26.txt

     文件       1088  2010-10-07 21:35  testDigits\0_27.txt

     文件       1088  2010-10-07 21:35  testDigits\0_28.txt

     文件       1088  2010-10-07 21:35  testDigits\0_29.txt

     文件       1088  2010-10-07 21:35  testDigits\0_3.txt

     文件       1088  2010-10-07 21:35  testDigits\0_30.txt

     文件       1088  2010-10-07 21:35  testDigits\0_31.txt

     文件       1088  2010-10-07 21:35  testDigits\0_32.txt

     文件       1088  2010-10-07 21:35  testDigits\0_33.txt

     文件       1088  2010-10-07 21:35  testDigits\0_34.txt

............此处省略2857个文件信息