本文學習自@jack cui,原文地址如下：

http://cuijiahua.com/blog/2017/11/ml_1_knn.html

KNN算法的一般處理流程：

• 收集數(shù)據(jù)：可以使用爬蟲進行數(shù)據(jù)的收集，也可以使用第三方提供的免費或收費的數(shù)據(jù)。一般來講，數(shù)據(jù)放在txt文本文件中，按照一定的格式進行存儲，便于解析及處理。
• 準備數(shù)據(jù)：使用Python解析、預(yù)處理數(shù)據(jù)。
• 分析數(shù)據(jù)：可以使用很多方法對數(shù)據(jù)進行分析，例如使用Matplotlib將數(shù)據(jù)可視化。
• 測試算法：計算錯誤率。
• 使用算法：錯誤率在可接受范圍內(nèi)，就可以運行k-近鄰算法進行分類。
  （注：這好像適用于絕大多數(shù)的數(shù)據(jù)處理挖掘過程）
  實驗采用數(shù)據(jù)地址到這里
  實驗代碼如下：

from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np
 
"""
函數(shù)說明:打開并解析文件，對數(shù)據(jù)進行分類：1代表不喜歡,2代表魅力一般,3代表極具魅力
 
Parameters:
    filename - 文件名
Returns:
    returnMat - 特征矩陣
    classLabelVector - 分類Label向量
 
Modify:
    2017-03-24
"""
def file2matrix(filename):
    #打開文件
    fr = open(filename)
    #讀取文件所有內(nèi)容
    arrayOLines = fr.readlines()
    #得到文件行數(shù)
    numberOfLines = len(arrayOLines)
    #返回的NumPy矩陣,解析完成的數(shù)據(jù):numberOfLines行,3列
    returnMat = np.zeros((numberOfLines,3))
    #返回的分類標簽向量
    classLabelVector = []
    #行的索引值
    index = 0
    for line in arrayOLines:
        #s.strip(rm)，當rm空時,默認刪除空白符(包括'\n','\r','\t',' ')
        line = line.strip()
        #使用s.split(str="",num=string,cout(str))將字符串根據(jù)'\t'分隔符進行切片。
        listFromLine = line.split('\t')
        #將數(shù)據(jù)前三列提取出來,存放到returnMat的NumPy矩陣中,也就是特征矩陣
        returnMat[index,:] = listFromLine[0:3]
        #根據(jù)文本中標記的喜歡的程度進行分類,1代表不喜歡,2代表魅力一般,3代表極具魅力
        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
 
"""
函數(shù)說明:可視化數(shù)據(jù)
 
Parameters:
    datingDataMat - 特征矩陣
    datingLabels - 分類Label
Returns:
    無
Modify:
    2017-03-24
"""
def showdatas(datingDataMat, datingLabels):
    #設(shè)置漢字格式
    font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
    #將fig畫布分隔成1行1列,不共享x軸和y軸,fig畫布的大小為(13,8)
    #當nrow=2,nclos=2時,代表fig畫布被分為四個區(qū)域,axs[0][0]表示第一行第一個區(qū)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')
    #畫出散點圖,以datingDataMat矩陣的第一(飛行?？屠?、第二列(玩游戲)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs0_title_text = axs[0][0].set_title(u'每年獲得的飛行?？屠锍虜?shù)與玩視頻游戲所消耗時間占比',FontProperties=font)
    axs0_xlabel_text = axs[0][0].set_xlabel(u'每年獲得的飛行常客里程數(shù)',FontProperties=font)
    axs0_ylabel_text = axs[0][0].set_ylabel(u'玩視頻游戲所消耗時間占',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')
 
    #畫出散點圖,以datingDataMat矩陣的第一(飛行?？屠?、第三列(冰激凌)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs1_title_text = axs[0][1].set_title(u'每年獲得的飛行?？屠锍虜?shù)與每周消費的冰激淋公升數(shù)',FontProperties=font)
    axs1_xlabel_text = axs[0][1].set_xlabel(u'每年獲得的飛行?？屠锍虜?shù)',FontProperties=font)
    axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消費的冰激淋公升數(shù)',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')
 
    #畫出散點圖,以datingDataMat矩陣的第二(玩游戲)、第三列(冰激凌)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs2_title_text = axs[1][0].set_title(u'玩視頻游戲所消耗時間占比與每周消費的冰激淋公升數(shù)',FontProperties=font)
    axs2_xlabel_text = axs[1][0].set_xlabel(u'玩視頻游戲所消耗時間占比',FontProperties=font)
    axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消費的冰激淋公升數(shù)',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')
    #設(shè)置圖例
    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')
    #添加圖例
    axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
    axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
    axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
    #顯示圖片
    plt.show()
 
"""
函數(shù)說明:main函數(shù)
 
Parameters:
    無
Returns:
    無
 
Modify:
    2017-03-24
"""
if __name__ == '__main__':
    #打開的文件名
    filename = "datingTestSet.txt"
    #打開并處理數(shù)據(jù)
    datingDataMat, datingLabels = file2matrix(filename)
    showdatas(datingDataMat, datingLabels)

數(shù)據(jù)可視化效果如下：

下載.png

下面我們就可以給海倫一段程序，只要男方在網(wǎng)站上面輸入以下內(nèi)容

玩視頻游戲所耗時間百分比
每年獲得的飛行?？屠锍虜?shù)
每周消費的冰激淋公升數(shù)

這個程序就能推測出海倫大致喜歡這個人的程度。
完整程序如下：

from matplotlib.font_manager import FontProperties
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np
import operator

def classify0(inX, dataSet, labels, k):
    #numpy函數(shù)shape[0]返回dataSet的行數(shù)
    dataSetSize = dataSet.shape[0]
    #在列向量方向上重復inX共1次(橫向),行向量方向上重復inX共dataSetSize次(縱向)
    diffMat = np.tile(inX, (dataSetSize, 1)) - dataSet
    #二維特征相減后平方
    sqDiffMat = diffMat**2
    #sum()所有元素相加,sum(0)列相加,sum(1)行相加
    sqDistances = sqDiffMat.sum(axis=1)
    #開方,計算出距離
    distances = sqDistances**0.5
    #返回distances中元素從小到大排序后的索引值
    sortedDistIndices = distances.argsort()
    #定一個記錄類別次數(shù)的字典
    classCount = {}
    for i in range(k):
        #取出前k個元素的類別
        voteIlabel = labels[sortedDistIndices[i]]
        #dict.get(key,default=None),字典的get()方法,返回指定鍵的值,如果值不在字典中返回默認值。
        #計算類別次數(shù)
        classCount[voteIlabel] = classCount.get(voteIlabel,0) + 1
    #python3中用items()替換python2中的iteritems()
    #key=operator.itemgetter(1)根據(jù)字典的值進行排序
    #key=operator.itemgetter(0)根據(jù)字典的鍵進行排序
    #reverse降序排序字典
    sortedClassCount = sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)
    #返回次數(shù)最多的類別,即所要分類的類別
    return sortedClassCount[0][0]
 
"""
函數(shù)說明:打開并解析文件，對數(shù)據(jù)進行分類：1代表不喜歡,2代表魅力一般,3代表極具魅力
 
Parameters:
    filename - 文件名
Returns:
    returnMat - 特征矩陣
    classLabelVector - 分類Label向量
 
Modify:
    2017-03-24
"""
def file2matrix(filename):
    #打開文件
    fr = open(filename)
    #讀取文件所有內(nèi)容
    arrayOLines = fr.readlines()
    #得到文件行數(shù)
    numberOfLines = len(arrayOLines)
    #返回的NumPy矩陣,解析完成的數(shù)據(jù):numberOfLines行,3列
    returnMat = np.zeros((numberOfLines,3))
    #返回的分類標簽向量
    classLabelVector = []
    #行的索引值
    index = 0
    for line in arrayOLines:
        #s.strip(rm)，當rm空時,默認刪除空白符(包括'\n','\r','\t',' ')
        line = line.strip()
        #使用s.split(str="",num=string,cout(str))將字符串根據(jù)'\t'分隔符進行切片。
        listFromLine = line.split('\t')
        #將數(shù)據(jù)前三列提取出來,存放到returnMat的NumPy矩陣中,也就是特征矩陣
        returnMat[index,:] = listFromLine[0:3]
        #根據(jù)文本中標記的喜歡的程度進行分類,1代表不喜歡,2代表魅力一般,3代表極具魅力
        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
def autoNorm(dataSet):
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = np.zeros(np.shape(dataSet))
    m = dataSet.shape[0]
    normDataSet = dataSet - np.tile(minVals, (m, 1))
    normDataSet = normDataSet / np.tile(ranges, (m, 1))
    return normDataSet, ranges, minVals
"""
函數(shù)說明:分類器測試函數(shù)
 
Parameters:
    無
Returns:
    normDataSet - 歸一化后的特征矩陣
    ranges - 數(shù)據(jù)范圍
    minVals - 數(shù)據(jù)最小值
 
Modify:
    2017-03-24
"""
def datingClassTest():
    filename = "datingTestSet.txt"
    datingDataMat, datingLabels = file2matrix(filename)
    hoRatio = 0.10
    normMat, ranges, minVals = autoNorm(datingDataMat)
    m = normMat.shape[0]
    numTestVecs = int(m * hoRatio)
    errorCount = 0.0
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i,:], normMat[numTestVecs:m,:],
            datingLabels[numTestVecs:m], 4)
        print("分類結(jié)果:%d\t真實類別:%d" % (classifierResult, datingLabels[i]))
        if classifierResult != datingLabels[i]:
            errorCount += 1.0
    print("錯誤率:%f%%" %(errorCount/float(numTestVecs)*100))
       
 
"""
函數(shù)說明:可視化數(shù)據(jù)
 
Parameters:
    datingDataMat - 特征矩陣
    datingLabels - 分類Label
Returns:
    無
Modify:
    2017-03-24
"""
def showdatas(datingDataMat, datingLabels):
    #設(shè)置漢字格式
    font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
    #將fig畫布分隔成1行1列,不共享x軸和y軸,fig畫布的大小為(13,8)
    #當nrow=2,nclos=2時,代表fig畫布被分為四個區(qū)域,axs[0][0]表示第一行第一個區(qū)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')
    #畫出散點圖,以datingDataMat矩陣的第一(飛行?？屠?、第二列(玩游戲)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[0][0].scatter(x=datingDataMat[:,0], y=datingDataMat[:,1], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs0_title_text = axs[0][0].set_title(u'每年獲得的飛行?？屠锍虜?shù)與玩視頻游戲所消耗時間占比',FontProperties=font)
    axs0_xlabel_text = axs[0][0].set_xlabel(u'每年獲得的飛行?？屠锍虜?shù)',FontProperties=font)
    axs0_ylabel_text = axs[0][0].set_ylabel(u'玩視頻游戲所消耗時間占',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')
 
    #畫出散點圖,以datingDataMat矩陣的第一(飛行?？屠?、第三列(冰激凌)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[0][1].scatter(x=datingDataMat[:,0], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs1_title_text = axs[0][1].set_title(u'每年獲得的飛行?？屠锍虜?shù)與每周消費的冰激淋公升數(shù)',FontProperties=font)
    axs1_xlabel_text = axs[0][1].set_xlabel(u'每年獲得的飛行常客里程數(shù)',FontProperties=font)
    axs1_ylabel_text = axs[0][1].set_ylabel(u'每周消費的冰激淋公升數(shù)',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')
 
    #畫出散點圖,以datingDataMat矩陣的第二(玩游戲)、第三列(冰激凌)數(shù)據(jù)畫散點數(shù)據(jù),散點大小為15,透明度為0.5
    axs[1][0].scatter(x=datingDataMat[:,1], y=datingDataMat[:,2], color=LabelsColors,s=15, alpha=.5)
    #設(shè)置標題,x軸label,y軸label
    axs2_title_text = axs[1][0].set_title(u'玩視頻游戲所消耗時間占比與每周消費的冰激淋公升數(shù)',FontProperties=font)
    axs2_xlabel_text = axs[1][0].set_xlabel(u'玩視頻游戲所消耗時間占比',FontProperties=font)
    axs2_ylabel_text = axs[1][0].set_ylabel(u'每周消費的冰激淋公升數(shù)',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')
    #設(shè)置圖例
    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')
    #添加圖例
    axs[0][0].legend(handles=[didntLike,smallDoses,largeDoses])
    axs[0][1].legend(handles=[didntLike,smallDoses,largeDoses])
    axs[1][0].legend(handles=[didntLike,smallDoses,largeDoses])
    #顯示圖片
    plt.show()
    
def classifyPerson():
    resultList = ['討厭','有些喜歡','非常喜歡']
    precentTats = float(input("玩視頻游戲所耗時間百分比:"))
    ffMiles = float(input("每年獲得的飛行常客里程數(shù):"))
    iceCream = float(input("每周消費的冰激淋公升數(shù):"))
    filename = "datingTestSet.txt"
    datingDataMat, datingLabels = file2matrix(filename)
    normMat, ranges, minVals = autoNorm(datingDataMat)
    inArr = np.array([ffMiles, precentTats, iceCream])
    norminArr = (inArr - minVals) / ranges
    classifierResult = classify0(norminArr, normMat, datingLabels, 3)
    print("你可能%s這個人" % (resultList[classifierResult-1]))
 
"""
函數(shù)說明:main函數(shù)
 
Parameters:
    無
Returns:
    無
 
Modify:
    2017-03-24
"""
if __name__ == '__main__':
    classifyPerson()

測試一波：

玩視頻游戲所耗時間百分比:2.3
每年獲得的飛行?？屠锍虜?shù):0
每周消費的冰激淋公升數(shù):1.4
你可能有些喜歡這個人