《機器學習實戰》程式清單2-5 約會網站預測函式

王明輝發表於2018-01-29
機器學習網站函式

以下程式碼，在Sublime中跑不起來，似乎Sublime無法互動輸入文字，在IDLE或控制檯中可以輸入。

測試結果其實也挺搞笑的，這姑娘的喜好唯一取決於每週吃多少冰淇淋，前兩項輸入0，第三項輸入236，就是small does，輸入237，就是large doses。

所以，一個不玩遊戲，不是飛行常客，一週吃237升冰淇淋的人，是她最可能喜歡的人。

這是因為離[0 0 237]這個點最近的k（此處假設k=3）個點分別是：

14402 10.482619 1.694972 smallDoses

35283 6.091587 1.694641 largeDoses

56557 11.746200 1.695517 largeDoses

最終的統計結果是：{'smallDoses': 1, ' largeDoses': 2}

 largeDoses的有倆，所以結果是 largeDoses，非常喜歡

如果把K放大到1000，統計結果是：{'smallDoses': 331, 'largeDoses': 327, 'didntLike': 342}

結論是：不喜歡。

結果大相徑庭

從這個統計結果來看，這個姑娘約見的人分佈得還挺平均的。

 

 

其它值請各位自行測試。

def classifyPerson():
    resultList = ['not at all', 'in small doses', 'in large doses']
    percentTats = float(input("percentage of time spent playing video games?"))
    ffMiles = float(input("frequent flier miles earned per year?"))
    iceCream = float(input("liters of ice cream consumed per year?"))

    datingDataMat, datingLabels = file2matrix('datingTestSet3.txt')
    normMat, ranges, minVals = autoNorm(datingDataMat)
    inArr = array([ffMiles, percentTats, iceCream])
    classifierResult = classify0((inArr - minVals)/ranges, normMat, datingLabels, 3)
    print(classifierResult)

    print("You will probably like this person: ", resultList[int(classifierResult) - 1])

 

相關文章