python3.5.2之《机器学习实战》之K临近算法——python3.5.2+Eclipse4.5.2+pydev5.2.0——建议结合书看

老实说，在逻辑斯蒂回归之前的算法都是不太需要机器学习的理解的

#coding=gbk
from matplotlib.font_manager import FontProperties
from numpy import *
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np 
import operator

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
	
'''电影分级'''
def classify0(inX , dataSet , labels , k):
	"""
    inX 是输入的测试样本，是一个[x, y]样式的
    dataset 是训练样本集
    labels 是训练样本标签
    k 是top k最相近的
    """
	
	# shape返回矩阵的[行数，列数]，
    # 那么shape[0]获取数据集的行数，
    # 行数就是样本的数量,因为dataSet是行数代表个数，列数代表特征
	dataSetSize = dataSet.shape[0]
	
	diffMat = tile(inX , (dataSetSize,1))-dataSet
	
	sqDoffMat = diffMat**2
	# axis=1表示按照横轴，sum表示累加，即按照行进行累加。
	sqDistance = sqDoffMat.sum(axis=1)

	distance = sqDistance**0.5
	# 按照升序进行快速排序，返回的是原数组的下标。
    # 比如，x = [30, 10, 20, 40]
    # 升序排序后应该是[10,20,30,40],他们的原下标是[1,2,0,3]
    # 那么，numpy.argsort(x) = [1, 2, 0, 3]
	sortedDistIndicies = distance.argsort()
	# 存放最终的分类结果及相应的结果投票数
	classCount = {}
	
	for i in range(k):
		voteIlabel = labels[sortedDistIndicies[i]]
		classCount[voteIlabel] = classCount.get(voteIlabel,0)+1
	
	sortedClassCount = sorted(classCount.items(),
	key=operator.itemgetter(1),reverse=True)
	
	return sortedClassCount[0][0]

'''魅力分级'''
def filematrix(filename):
	#打开文件
	fr = open(filename)
	#读取所有内容，readlines而不是readline
	arrayOLines = fr.readlines()
	#得到文件的行数
	numberOfLines = len(arrayOLines)
	#返回的numpy矩阵，解析完成的数据，numberOfLines行，列
	returnMat = np.zeros((numberOfLines,3))
	#返回的分类标签向量
	classLabelVector = []
	#行的索引值
	index = 0
	for line in arrayOLines:
		#strip(rm)当rm为空时候，默认删除空白符包括{'\n''\t''\r',' '}
		line = line.strip()
		#使用split()让字符串根据'\t'分割
		listFromLine = line.split('\t')
		#讲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
		returnMat[index,:] = listFromLine[0:3]
		#根据文本的喜欢程度，1代表不喜欢，2代表魅力一般，3代表极具魅力
		if listFromLine[-1] == 'didntLike':
			classLabelVector.append(1)
		elif listFromLine[-1] == 'smallDoses':
			classLabelVector.append(2)
		elif listFromLine[-1] == 'largeDoses':
			classLabelVector.append(3)
		index+=1
	return returnMat,classLabelVector
	
'''
函数说明：可视化设计
parameters :
	datingDataMat - 特征矩阵
	datingLabels - 分类标签
return :
	无
modify:
	
'''
def showdatas(datingDataMat,datingLabels):
	#设置汉字格式
	font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
	#讲fig画布分割成1行1列，不共享x轴和y轴，fig画布的大小为（13,8）
	#当nrow=2,nclos=2时，代表fig画布被分成四个区域，axs[0][0]表示第一行第一个区域
	fig,axs = plt.subplots(nrows=2,ncols=2,sharex=False, sharey=False, figsize=(13,8))
	
	numberOfLabels = len(datingLabels)
	LabelsColors = []
	for i in datingLabels:
		if i == 1:
			LabelsColors.append('black')
		if i == 2:
			LabelsColors.append('orange')
		if i == 3:
			LabelsColors.append('red')
	#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
	axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
    #设置标题,x轴label,y轴label
	axs0_title_text = axs[0][0].set_title(u'每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',FontProperties=font)
	axs0_xlabel_text = axs[0][0].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs0_ylabel_text = axs[0][0].set_ylabel(u'玩视频游戏所消耗时间占',FontProperties=font)
	plt.setp(axs0_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs0_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs0_ylabel_text, size=7, weight='bold', color='black')

    #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
	axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
	#设置标题,x轴label,y轴label
	axs1_title_text = axs[0][1].set_title(u'每年获得的飞行常客里程数与每周消费的冰激淋公升数',FontProperties=font)
	axs1_xlabel_text = axs[0][1].set_xlabel(u'每年获得的飞行常客里程数',FontProperties=font)
	axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs1_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs1_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs1_ylabel_text, size=7, weight='bold', color='black')

    #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
	axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
    #设置标题,x轴label,y轴label
	axs2_title_text = axs[1][0].set_title(u'玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',FontProperties=font)
	axs2_xlabel_text = axs[1][0].set_xlabel(u'玩视频游戏所消耗时间占比',FontProperties=font)
	axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消费的冰激淋公升数',FontProperties=font)
	plt.setp(axs2_title_text, size=9, weight='bold', color='red') 
	plt.setp(axs2_xlabel_text, size=7, weight='bold', color='black') 
	plt.setp(axs2_ylabel_text, size=7, weight='bold', color='black')
    #设置图例
	didntLike = mlines.Line2D([], [], color='black', marker='.',
		markersize=6, label='didntLike')
	smallDoses = mlines.Line2D([], [], color='orange', marker='.',
		markersize=6, label='smallDoses')
	largeDoses = mlines.Line2D([], [], color='red', marker='.',
		markersize=6, label='largeDoses')
    #添加图例
	axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
	axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
		#显示图片
	plt.show()
    
def autoNorm(dataSet):
	#按照列的形式，取出最小与最大值
	minVals = dataSet.min(0)
	maxVals = dataSet.max(0)
	#取出范围
	ranges = maxVals-minVals
	#设置一个空矩阵
	normDataSet = np.zeros(np.shape(dataSet))
	r = dataSet.shape[0]
	#求减
	normDataSet = dataSet - np.tile(minVals,(r,1))
	#数值归一化
	normDataSet = normDataSet/np.tile(ranges,(r,1))
	#返回
	return normDataSet , ranges , minVals

'''预测函数'''
def datingClassTest():
	#预测比例
	hoRatio = 0.10
	#通过如下函数，把文件读取为数组和标签
	datingDataMat,datingLabels = filematrix('datingTestSet.txt')
	#通过数值归一化
	normMat , ranges , minVals = autoNorm(datingDataMat)
	#获取行数
	m = normMat.shape[0]
	#百分之10的测试数据
	numTestVecs = int(m*hoRatio)
	#错误计数器
	errorCount = 0.0
	
	for i in range(numTestVecs):
		#我们把前10%作为测试，其他是训练集
		classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
		print("分类结果:%d\t真是类别:%d"%(classifierResult,datingLabels[i]))
		if classifierResult != datingLabels[i]:
			errorCount+=1.0
	print("错误率:%f%%" %(errorCount/float(numTestVecs *100)))
	
'''约会网站预测'''	
def classifyPerson():
	#输出结果
	resultList = ['讨厌','有些喜欢','非常喜欢']
	#s三维特征用户输入
	precentTats = float(input("玩视频游戏所耗时间百分比:"))
	ffMiles = float(input("每年获得的飞行常客里程数:"))
	iceCream = float(input("每周消费的冰激淋公升数:"))
	#打开并处理数据
	datingDataMat,datingLabels = filematrix('datingTestSet.txt')
	#训练集归一化
	normMat , ranges ,minVals = autoNorm(datingDataMat)
	#生成Numpy数组，测试集
	inArr = np.array([precentTats , ffMiles , iceCream])
	#测试集归一化
	norminArr = (inArr - minVals)/ranges
	#返回分类结果
	classifierResult = classify0(norminArr, normMat , datingLabels, 3)
	#打印
	print("你可能%s这个人" % (resultList[classifierResult-1]))



if __name__=="__main__":
	dataSet , labels = createDataSet()
	inX=[0.1,0.1]
	
	className = classify0(inX , dataSet , labels , 3)
	print('the class of test sample is ' +str(className))
	
	'''下面是情人算法'''
	filename = 'datingTestSet.txt'
	#打开并处理数据
	datingDataMat,datingLabels = filematrix(filename)
	print(datingDataMat)
	print(datingLabels)
	#打印图标，不知道为啥打印不出，先放弃
	#showdatas(datingDataMat,datingLabels)
	normDataSet, ranges, minVals = autoNorm(datingDataMat)
	print(normDataSet)
	print(ranges)
	print(minVals)
	#datingClassTest()
	print("————————————————————————————————————————————\n！！！！！！！！！！！！！！！情爱大师开始上线！！！\n")
	classifyPerson()