【机器学习 3】KNN算法实现梳理- Be based on“约会对象”、“手写识别”

• （1）收集数据

• 提供的文本文件

• （2）准备数据

• 格式转换

• 将源文件格式化处理为可处理的向量，如：手写识别系统

• 处理源文件格式，比如存在大量空格、杂乱符号等，需要进行去除、重新排序

• 例：strip()-删除空格，并在删除点处进行标记；split(“\t”）,在删除点处用空格进行划分

• 文件读取

• int/float等数字格式的文本文件

• 创建同形状的返回矩阵（0矩阵……），readlines逐行逐元素填充

• pandas库，pd.read_*(filename)函数

• table, txt, csv, excel, sql, json……etc

• str文本文件

• Pandas读取

• 读取方法（假设有特征和index，table格式）

• df=pd.read_table(‘gini_disitionTree.txt’) # 读取

• data=df.values[:,1:].tolist() #.tolist() 将DataFram转化为List

• labels=df.columns.values[1:-1].tolist() # 掐头去尾，保留中部标签

• （3）分析数据

• 检查数据是否符合我们的要求

• 当数据量极大时，剔除那些显而易见的无用特征值

• （4）训练算法

• 此步骤不适用与k-邻近算法

• （5）测试算法

• classify（datingTest,dataSet,labels,k）,选取数据集中的部分数据用来测试或是寻找其他测试集

• 测试算法的正确率

• （6）使用算法

• 略