数据挖掘实验探究.docxVIP

中科大数据挖掘实验报告姓名樊涛声班级软设一班学号 S验一 K邻近算法实验一实验内容使用k近邻算法改进约会网站的配对效果。海伦使用约会网址寻找适合自己的约会对象，约会网站会推荐不同的人选。她将曾经交往过的的人总结为三种类型：不喜欢的人魅力一般的人极具魅力的人尽管发现了这些规律，但依然无法将约会网站提供的人归入恰当的分类。使用KNN算法，更好的帮助她将匹配对象划分到确切的分类中。二实验要求（1）独立完成kNN实验，基本实现可预测的效果（2）实验报告（3）开放性：可以自己增加数据或修改算法，实现更好的分类效果三实验步骤（1）数据源说明实验给出的数据源为datingTestSet.txt，共有4列，每一列的属性分别为：① percentage of time spenting playing vedio games；② frequent flied miles earned per year；③liters of ice cream consumed per year；④your attitude towars this people。通过分析数据源中的数据，得到规律，从而判断一个人的前三项属性来得出划分海伦对他的态度。（2）KNN算法原理对未知属性的某数据集中的每个点一次执行以下操作计算已知类别数据集中的每一个点和当前点的距离按照距离递增依次排序选取与当前点距离最小的k个点确定k个点所在类别的出现频率返回k个点出现频率最高的点作为当前点的分类（3）KNN算法实现①利用python实现构造分类器首先计算欧式距离然后选取距离最小的K个点代码如下：def classify(inMat,dataSet,labels,k):????dataSetSize=dataSet.shape[0]????#KNN的算法核心就是欧式距离的计算，一下三行是计算待分类的点和训练集中的任一点的欧式距离????diffMat=tile(inMat,(dataSetSize,1))-dataSet????sqDiffMat=diffMat**2????distance=sqDiffMat.sum(axis=1)**0.5????#接下来是一些统计工作????sortedDistIndicies=distance.argsort()????classCount={}????fori in range(k):????????labelName=labels[sortedDistIndicies[i]]????????classCount[labelName]=classCount.get(labelName,0)+1;????sortedClassCount=sorted(classCount.items(),key=operator.itemgetter(1),reverse=True)????returnsortedClassCount[0][0]②解析数据输入文件名，将文件中的数据转化为样本矩阵，方便处理代码如下：def file2Mat(testFileName,parammterNumber):????fr=open(testFileName)????lines=fr.readlines()????lineNums=len(lines)????resultMat=zeros((lineNums,parammterNumber))????classLabelVector=[]????fori in range(lineNums):????????line=lines[i].strip()????????itemMat=line.split(\t)????????resultMat[i,:]=itemMat[0:parammterNumber]????????classLabelVector.append(itemMat[-1])????fr.close()????returnresultMat,classLabelVector;返回值为前三列属性被写入到resultMat二维数组中，第四列属性作为标签写入到classLableVector中③归一化数据不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，使各指标处于同一数量级。处理过程如下：defautoNorm(dataSet):????minVals=dataSet.min(0)????maxVals=dataSet.max(0)????ranges=maxVals-minVals????normMat=zeros(shape(dataSet))????size=normMat.shape[0]????normM