關於視覺化：

《機器學習實戰》書中的一個小錯誤，P22的datingTestSet.txt這個檔案，根據網上的原始碼，應該選擇datingTestSet2.txt這個檔案。主要的區別是最後的標籤，作者原來使用字串‘veryLike’作為標籤，但是Python轉換會出現ValueError: invalid literal for int() with base 10: 'largeDoses'的錯誤。所以改成後面的檔案就可以了。後面直接用1 2 3 代表not like， general like, very like。這個錯誤一開始用百度查不到，改用Google（反向代理），第二個連結就是。哎。。。國內啊。。。

from numpy import *
import operator
#建立資料集
def createDataSet():
    group = array([[1.0, 1.1], [1.0, 1.0], [0, 0], [0, 0.1]])
    labels = ['A', 'A', 'B', 'B']
    return group, labels
#根據輸入測試例項進行k-近鄰分類
def classify0(inX, dataSet, labels, k):
    dataSetSize = dataSet.shape[0]
    diffMat = tile(inX, (dataSetSize, 1)) - dataSet
    sqDiffMat = diffMat ** 2
    sqDistances = sqDiffMat.sum(axis=1)
    distances = sqDistances**0.5
    sortedDistIndicies = distances.argsort()
    classCount = {}
    for i in range(k):
        voteIlabel = labels[sortedDistIndicies[i]]
        classCount[voteIlabel] = classCount.get(voteIlabel, 0) + 1
    sortedClassCount = sorted(classCount.iteritems(), key = operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]
#處理輸入格式問題，從檔案中讀取資料
def file2matrix(filename, dim2):
    fr = open(filename)
    arrayOLines = fr.readlines()
    numberOfLines = len(arrayOLines)
    returnMat = zeros((numberOfLines, dim2))
    classLabelVector = []
    index = 0
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:dim2]
        classLabelVector.append(int(listFromLine[-1]))
        index += 1
    return returnMat, classLabelVector
 

>>>import kNN
>>> reload(kNN)
<module 'kNN' from 'kNN.pyc'>
>>> datingDataMat, datingLabels = kNN.file2matrix('datingTestSet2.txt', 3)

得到了約會網站的資料之後，我們可以可視化出來。

利用Matplotlib建立散點圖，python(x, y)內嵌這個，直接import即可。

>>> mimport matplotlib.pyplot as plt
>>> fig = plt.figure()
>>> ax = fig.add_subplot(111) >>> ax.scatter(datingDataMat[:,1], datingDataMat[:,2])
>>> plt.show()
 

這個是“玩視訊遊戲消耗時間比”和“每週所消費的冰淇淋公升數”的二維圖。

需要不同的顏色來得到更好的視覺化效果。

scatter函式的使用。

ax.scatter(datingDataMat[:,1], datingDataMat[:, 2], 15.0*array(datingLabels), 15.0*array(datingLabels))

這句程式碼替換前面的對應程式碼，如果出現name 'array' is not defined ,請在前面加這句:

from numpy import *