机器学习(3)——K-近邻算法改进约会网站的配对效果实例
来源: 蔡旭刚/
华南师范大学
203
0
0
2020-07-17

基本概念  

    利用K-近邻算法对约会网站中匹配对象进行快速归类。

    基本思路步骤:

    收集数据:提供文本文件;

    准备数据:使用Python解析文本文件;

    分析数据:使用Matplotlib画二维扩散图;

    训练算法:设计分类算法;

    测试算法:使用部分数据作为测试样本,观测错误率;

    使用算法:产生简单的程序,输入特征数据判断对象是否为喜欢类型。

解析文本数据

    利用NumPy库对文本文件进行处理解析,编写文本读取文件程序并验证。

    文本处理方法


    进行验证


分析数据

    使用Matplotlib制作数据的散点图,包括原始数据散点图(2&3 )和加入色彩与信息的数据散点图。

    函数代码


    散点图效果图如下


    进行比对分析,相比于取2&3、1&2,1&3可以更好的展示效果进行分类。

归一化处理

    由于特征值之间数值差距太大,从而导致数值距离计算中比重不同,导致每个特征值对计算结果影响不同,所以进行归一化处理,提高准确率。

    归一化特征值程序

 

测试算法

    编写完整程序进行分类器验证


    测试结果


    分类处理约会数据集的数据错误率是5%,满足要求

涉及的Python函数功能介绍

1、Python x[:,0]的含义

    X[:,0]为numpy中数组的一种方法,代表的是对一个二维的数组,取该二维数组第一维中的所有数据,简单表述就是取每行的第0个数据。

    举例说明:


    结果如下:


2、Python中numpy数组切片


3、scatter()函数作用

    https://blog.csdn.net/u013634684/article/details/49646311

4、Python中for i in range ()作用

    https://blog.csdn.net/weixin_38705903/article/details/79238226


登录用户可以查看和发表评论, 请前往  登录 或  注册
SCHOLAT.com 学者网
免责声明 | 关于我们 | 联系我们
联系我们: