首页 技术 正文
技术 2022年11月23日
0 收藏 341 点赞 3,475 浏览 5210 个字
from numpy import *
import operator
import matplotlib
import matplotlib.pyplot as plt
from imp import *
#from os import *
import osreload(operator)def start():
group,labels = createDataSet()
testSample = [5,7]
print("测试样本:" ,end="")
print(testSample) return classify0(testSample, group, labels, 4)def createDataSet(): group = array([[1,2],[2,3],[1,1],[4,5]]) #此处随意定义,表示一个已知的已分类的数据集
labels = ['A','A','B','B'] #例如
#group = array([[1,2],[2,3],[1,1],[4,5],[5,7],[6,6]]) #此处随意定义,表示一个已知的已分类的数据集
#labels = ['A','A','B','B','C','C'] return group, labels 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
""" # 矩阵的shape是个tuple,如果直接调用dataSet.shape,会返回(4,2),即
# 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
# shape[1]返回数据集的列数
dataSetSize = dataSet.shape[0] ###################说明代码########################
#print("dataSet.shape[0]返回矩阵的行数:")
#print(dataSetSize)
#print("dataSet.shape[1]返回矩阵的列数:")
#cols = dataSet.shape[1]
#print(cols)
#print(dataSet.shape)
#print("dataSet.shape类型:")
#print(type(dataSet.shape))
################################################### #此处Mat是Maxtrix的缩写,diffMat,即矩阵的差,结果也是矩阵
#关于tile函数的说明,见http://www.cnblogs.com/Sabre/p/7976702.html
#简单来说就是把inX(本例是[1,1])在“行”这个维度上,复制了dataSetSize次(本例dataSetSize==4),在“列”这个维度上,复制了1次
#形成[[1,1],[1,1],[1,1],[1,1]]这样一个矩阵,以便与dataSet进行运算
#之所以进行这样的运算,是因为要使用欧式距离公式求输入点与已存在各点的距离 #这是第1步,求给出点[1,1]与已知4点的差,输出为矩阵
diffMat = tile(inX,(dataSetSize,1)) - dataSet
#print(tile(inX,(dataSetSize,1))) ###################说明代码########################
#print("diffMat:" + str(diffMat))
################################################### #第2步,对矩阵进行平方,即,求差的平方
sqDiffMat = diffMat ** 2 ###################说明代码########################
#print("sqDiffMat:" + str(sqDiffMat))
#print("sqDiffMat",end="")
#print(sqDiffMat[324])
################################################### #sum(axis=1)是将矩阵中每一行中的数值相加,如[[0 0] [1 1] [0 1] [9 9]]将得到[0,2,1,18],得到平方和
#sum(axis=0)是将矩阵中每一列中的数值相加
#第3步,求和
sqDistances = sqDiffMat.sum(axis=1)
#print("sqDistances:", end="")
#print(sqDistances[875]) ###################说明代码########################
#print("sqDistances:" + str(sqDistances))
################################################### #第4步,将平方和进行开方,得到距离,输出为数组
distances = sqDistances ** 0.5 ###################说明代码########################
#print("未知点到各个已知点的距离:",distances)
################################################### #argsort(),将数组中的元素的索引放在由小到大的位置上由小到大排序
#如数组a = array([ 0 4 3 18]),b = a.argsort()之后,得到b是[0 2 1 3]这是a的索引数组,最小的在最前面,位置0,第二小的是索引为2的元素,即3,3在数组中的位置是2
#第三小的是索引为1的,即4,4在数组中的索引位置是2,第四小的是索引为3的,即18
#这样保证了原数组元素的位置不变,以便进行标签的匹配
#print(distances[875])
#print(distances[324])
#print(distances[392])
sortedDistIndicies = distances.argsort() ###################说明代码########################
#print("索引位置:", sortedDistIndicies) #可得到前k个索引
################################################### #创建空字典
classCount = {} #k值是取前k个样本进行比较
for i in range(k):
#返回distances中索引为sortedDistIndicies[i]的值
#此例中分别为:
#sortedDistIndicies[0]==0,则labels[0]=='A',voteIlabel=='A'
#sortedDistIndicies[1]==2,则labels[2]=='B',voteIlabel=='B'
#sortedDistIndicies[2]==1,则labels[0]=='A',voteIlabel=='A'
#sortedDistIndicies[3]==18,则labels[0]=='B',voteIlabel=='B' voteIlabel = labels[sortedDistIndicies[i]]
#print("中华人民共和国")
###################说明代码######################## # print(voteIlabel)
# print("标签" + str(i) + ":" + str(voteIlabel))
################################################### #dict.get(key, default=None),对于键 key 返回其对应的值,或者若 dict 中不含 key 则返回 default(注意, default的默认值为 None,此处设置为0)
#第一次调用classCount.get时,classCount内还没有值
classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 ###################说明代码########################
# print("第"+str(i+1)+"次访问,classCount[" + str(voteIlabel) + "]值为:" + str(classCount[voteIlabel]))
# print("classCount的内容为:")
# print(classCount)
################################################### # sorted(iterable[,cmp,[,key[,reverse=True]]])
# 作用:Return a new sorted list from the items in iterable.
# 第一个参数是一个iterable,返回值是一个对iterable中元素进行排序后的列表(list)。
# 可选的参数有三个,cmp、key和reverse。
# 1)cmp指定一个定制的比较函数,这个函数接收两个参数(iterable的元素),如果第一个参数小于第二个参数,返回一个负数;如果第一个参数等于第二个参数,返回零;如果第一个参数大于第二个参数,返回一个正数。默认值为None。
# 2)key指定一个接收一个参数的函数,这个函数用于从每个元素中提取一个用于比较的关键字。默认值为None。
# 从python2.4开始,list.sort()和sorted()函数增加了key参数来指定一个函数,此函数将在每个元素比较前被调用
# key参数的值为一个函数,此函数只有一个参数且返回一个值用来进行比较。这个技术是快速的,因为key指定的函数将准确地对每个元素调用。
# key=operator.itemgetter(0)或key=operator.itemgetter(1),决定以字典的键排序还是以字典的值排序
# 0以键排序,1以值排序
# 3)reverse是一个布尔值。如果设置为True,列表元素将被倒序排列。
# operator.itemgetter(1)这个很难解释,用以下的例子一看就懂
# a=[11,22,33]
# b = operator.itemgetter(2)
# b(a)
# 输出:33
# b = operator.itemgetter(2,0,1)
# b(a)
# 输出:(33,11,22)
# operator.itemgetter函数返回的不是值,而是一个函数,通过该函数作用到对象上才能获取值
   # 在这里itemgetter(1)的作用是按照第二个元素的顺序对元组进行排序,也就是value的顺序,如果改成itemgetter(0),则根据Key值排序
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1), reverse=True)    #print(sortedClassCount)    #返回正序排序后最小的值,即“k个最小相邻”的值决定测试样本的类别
print("最终结果,测试样本类别:" , end="")
print(sortedClassCount)
return sortedClassCount[0][0]

以下为输出结果,未必完全一致,请自行调试。

输出结果:

dataSet.shape[0]返回矩阵的行数:

dataSet.shape[1]返回矩阵的列数:

(4, 2)
dataSet.shape类型:
<class ‘tuple’>
diffMat:[[ 2 1]
[ 1 0]
[ 2 2]
[-1 -2]]
sqDiffMat:[[4 1]
[1 0]
[4 4]
[1 4]]
sqDistances:[5 1 8 5]
未知点到各个已知点的距离: [ 2.23606798 1. 2.82842712 2.23606798]
索引位置: [1 0 3 2]
标签0:A
第1次访问,classCount[A]值为:1
classCount的内容为:
{‘A’: 1}
标签1:A
第2次访问,classCount[A]值为:2
classCount的内容为:
{‘A’: 2}
标签2:B
第3次访问,classCount[B]值为:1
classCount的内容为:
{‘A’: 2, ‘B’: 1}
标签3:B
第4次访问,classCount[B]值为:2
classCount的内容为:
{‘A’: 2, ‘B’: 2}
[(‘A’, 2), (‘B’, 2)]
最终结果,测试样本类别:A
[Finished in 5.3s]

微信扫一扫

支付宝扫一扫

本文网址:https://www.zhankr.net/141826.html

相关推荐
python开发_常用的python模块及安装方法
adodb:我们领导推荐的数据库连接组件bsddb3:BerkeleyDB的连接组件Cheetah-1.0:我比较喜欢这个版本的cheeta…
日期:2022-11-24 点赞:875 阅读:5,090
Educational Codeforces Round 11 C. Hard Process 二分
C. Hard Process题目连接:http://www.codeforces.com/contest/660/problem/CDes…
日期:2022-11-24 点赞:806 阅读:3,509
下载Ubuntn 17.04 内核源代码
zengkefu@server1:/usr/src$ uname -aLinux server1 4.10.0-19-generic #21…
日期:2022-11-24 点赞:565 阅读:4,320
可用Active Desktop Calendar V7.86 注册码序列号
可用Active Desktop Calendar V7.86 注册码序列号Name: www.greendown.cn Code: &nb…
日期:2022-11-24 点赞:730 阅读:4,315
Android调用系统相机、自定义相机、处理大图片
Android调用系统相机和自定义相机实例本博文主要是介绍了android上使用相机进行拍照并显示的两种方式,并且由于涉及到要把拍到的照片显…
日期:2022-11-24 点赞:512 阅读:4,920
Struts的使用
一、Struts2的获取  Struts的官方网站为:http://struts.apache.org/  下载完Struts2的jar包,…
日期:2022-11-24 点赞:671 阅读:3,105
发表评论
暂无评论

还没有评论呢,快来抢沙发~

助力内容变现

将您的收入提升到一个新的水平

点击联系客服

在线时间:8:00-16:00

客服电话

400-888-8888

客服邮箱

ceotheme@ceo.com

扫描二维码

关注微信公众号

扫描二维码

手机访问本站