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()