from numpy import * import operator import matplotlib import matplotlib.pyplot as plt from imp import * #from os import * import os reload(operator) def start(): group,labels = createDataSet() testSample = [5,7] print("測試樣本:" ,end="") print(testSample) return classify0(testSample, group, labels, 4) def createDataSet(): group = array([[1,2],[2,3],[1,1],[4,5]]) #此處隨意定義,表示一個已知的已分類的資料集 labels = ['A','A','B','B'] #例如 #group = array([[1,2],[2,3],[1,1],[4,5],[5,7],[6,6]]) #此處隨意定義,表示一個已知的已分類的資料集 #labels = ['A','A','B','B','C','C'] return group, labels def classify0(inX, dataSet, labels, k): """ inX 是輸入的測試樣本,是一個[x, y]樣式的 dataset 是訓練樣本集 labels 是訓練樣本標籤 k 是top k最相近的 """ # 矩陣的shape是個tuple,如果直接呼叫dataSet.shape,會返回(4,2),即 # 返回矩陣的(行數,列數), # 那麼shape[0]獲取資料集的行數, # 行數就是樣本的數量 # shape[1]返回資料集的列數 dataSetSize = dataSet.shape[0] ###################說明程式碼######################## #print("dataSet.shape[0]返回矩陣的行數:") #print(dataSetSize) #print("dataSet.shape[1]返回矩陣的列數:") #cols = dataSet.shape[1] #print(cols) #print(dataSet.shape) #print("dataSet.shape型別:") #print(type(dataSet.shape)) ################################################### #此處Mat是Maxtrix的縮寫,diffMat,即矩陣的差,結果也是矩陣 #關於tile函式的說明,見http://www.cnblogs.com/Sabre/p/7976702.html #簡單來說就是把inX(本例是[1,1])在“行”這個維度上,複製了dataSetSize次(本例dataSetSize==4),在“列”這個維度上,複製了1次 #形成[[1,1],[1,1],[1,1],[1,1]]這樣一個矩陣,以便與dataSet進行運算 #之所以進行這樣的運算,是因為要使用歐式距離公式求輸入點與已存在各點的距離 #這是第1步,求給出點[1,1]與已知4點的差,輸出為矩陣 diffMat = tile(inX,(dataSetSize,1)) - dataSet #print(tile(inX,(dataSetSize,1))) ###################說明程式碼######################## #print("diffMat:" + str(diffMat)) ################################################### #第2步,對矩陣進行平方,即,求差的平方 sqDiffMat = diffMat ** 2 ###################說明程式碼######################## #print("sqDiffMat:" + str(sqDiffMat)) #print("sqDiffMat",end="") #print(sqDiffMat[324]) ################################################### #sum(axis=1)是將矩陣中每一行中的數值相加,如[[0 0] [1 1] [0 1] [9 9]]將得到[0,2,1,18],得到平方和 #sum(axis=0)是將矩陣中每一列中的數值相加 #第3步,求和 sqDistances = sqDiffMat.sum(axis=1) #print("sqDistances:", end="") #print(sqDistances[875]) ###################說明程式碼######################## #print("sqDistances:" + str(sqDistances)) ################################################### #第4步,將平方和進行開方,得到距離,輸出為陣列 distances = sqDistances ** 0.5 ###################說明程式碼######################## #print("未知點到各個已知點的距離:",distances) ################################################### #argsort(),將陣列中的元素的索引放在由小到大的位置上由小到大排序 #如陣列a = array([ 0 4 3 18]),b = a.argsort()之後,得到b是[0 2 1 3]這是a的索引陣列,最小的在最前面,位置0,第二小的是索引為2的元素,即3,3在陣列中的位置是2 #第三小的是索引為1的,即4,4在陣列中的索引位置是2,第四小的是索引為3的,即18 #這樣保證了原陣列元素的位置不變,以便進行標籤的匹配 #print(distances[875]) #print(distances[324]) #print(distances[392]) sortedDistIndicies = distances.argsort() ###################說明程式碼######################## #print("索引位置:", sortedDistIndicies) #可得到前k個索引 ################################################### #建立空字典 classCount = {} #k值是取前k個樣本進行比較 for i in range(k): #返回distances中索引為sortedDistIndicies[i]的值 #此例中分別為: #sortedDistIndicies[0]==0,則labels[0]=='A',voteIlabel=='A' #sortedDistIndicies[1]==2,則labels[2]=='B',voteIlabel=='B' #sortedDistIndicies[2]==1,則labels[0]=='A',voteIlabel=='A' #sortedDistIndicies[3]==18,則labels[0]=='B',voteIlabel=='B' voteIlabel = labels[sortedDistIndicies[i]] #print("中華人民共和國") ###################說明程式碼######################## # print(voteIlabel) # print("標籤" + str(i) + ":" + str(voteIlabel)) ################################################### #dict.get(key, default=None),對於鍵 key 返回其對應的值,或者若 dict 中不含 key 則返回 default(注意, default的預設值為 None,此處設定為0) #第一次呼叫classCount.get時,classCount內還沒有值 classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1 ###################說明程式碼######################## # print("第"+str(i+1)+"次訪問,classCount[" + str(voteIlabel) + "]值為:" + str(classCount[voteIlabel])) # print("classCount的內容為:") # print(classCount) ################################################### # sorted(iterable[,cmp,[,key[,reverse=True]]]) # 作用:Return a new sorted list from the items in iterable. # 第一個引數是一個iterable,返回值是一個對iterable中元素進行排序後的列表(list)。 # 可選的引數有三個,cmp、key和reverse。 # 1)cmp指定一個定製的比較函式,這個函式接收兩個引數(iterable的元素),如果第一個引數小於第二個引數,返回一個負數;如果第一個引數等於第二個引數,返回零;如果第一個引數大於第二個引數,返回一個正數。預設值為None。 # 2)key指定一個接收一個引數的函式,這個函式用於從每個元素中提取一個用於比較的關鍵字。預設值為None。 # 從python2.4開始,list.sort()和sorted()函式增加了key引數來指定一個函式,此函式將在每個元素比較前被呼叫 # key引數的值為一個函式,此函式只有一個引數且返回一個值用來進行比較。這個技術是快速的,因為key指定的函式將準確地對每個元素呼叫。 # key=operator.itemgetter(0)或key=operator.itemgetter(1),決定以字典的鍵排序還是以字典的值排序 # 0以鍵排序,1以值排序 # 3)reverse是一個布林值。如果設定為True,列表元素將被倒序排列。 # operator.itemgetter(1)這個很難解釋,用以下的例子一看就懂 # a=[11,22,33] # b = operator.itemgetter(2) # b(a) # 輸出:33 # b = operator.itemgetter(2,0,1) # b(a) # 輸出:(33,11,22) # operator.itemgetter函式返回的不是值,而是一個函式,通過該函式作用到物件上才能獲取值
# 在這裡itemgetter(1)的作用是按照第二個元素的順序對元組進行排序,也就是value的順序,如果改成itemgetter(0),則根據Key值排序
sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1), reverse=True) #print(sortedClassCount) #返回正序排序後最小的值,即“k個最小相鄰”的值決定測試樣本的類別 print("最終結果,測試樣本類別:" , end="") print(sortedClassCount) return sortedClassCount[0][0]
以下為輸出結果,未必完全一致,請自行除錯。
輸出結果:
dataSet.shape[0]返回矩陣的行數: 4 dataSet.shape[1]返回矩陣的列數: 2 (4, 2) dataSet.shape型別: <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] 未知點到各個已知點的距離: [ 2.23606798 1. 2.82842712 2.23606798] 索引位置: [1 0 3 2] 標籤0:A 第1次訪問,classCount[A]值為:1 classCount的內容為: {'A': 1} 標籤1:A 第2次訪問,classCount[A]值為:2 classCount的內容為: {'A': 2} 標籤2:B 第3次訪問,classCount[B]值為:1 classCount的內容為: {'A': 2, 'B': 1} 標籤3:B 第4次訪問,classCount[B]值為:2 classCount的內容為: {'A': 2, 'B': 2} [('A', 2), ('B', 2)] 最終結果,測試樣本類別:A [Finished in 5.3s] |