机器学习knnlearn2

python 复制代码

# 导入必要的库
import matplotlib.lines as mlines
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties


# 函数说明:打开并解析文件，对数据进行分类：1代表不喜欢,2代表魅力一般,3代表极具魅力
def file2matrix(filename):
    try:
        # 以只读模式打开指定文件
        with open(filename, 'r') as fr:
            # 读取文件的所有行，存储为一个列表，列表中的每个元素是文件的一行
            arrayOLines = fr.readlines()
            # 计算文件的行数
            numberOfLines = len(arrayOLines)
            # 创建一个全零的NumPy矩阵，行数为文件的行数，列数为3，用于存储解析后的数据
            returnMat = np.zeros((numberOfLines, 3))
            # 初始化一个空列表，用于存储分类标签
            classLabelVector = []
            # 初始化行索引为0，用于遍历文件的每一行
            index = 0
            # 遍历文件的每一行
            for line in arrayOLines:
                # 去除每行首尾的空白字符（如换行符、制表符、空格等）
                line = line.strip()
                # 使用制表符 '\t' 作为分隔符，将每行字符串分割成一个列表
                listFromLine = line.split('\t')
                # 将分割后列表的前三个元素赋值给 returnMat 矩阵的当前行，即存储特征数据
                returnMat[index, :] = listFromLine[0:3]
                # 根据分割后列表的最后一个元素进行分类
                if listFromLine[-1] == 'didntLike':
                    # 如果最后一个元素是 'didntLike'，则将标签 1 添加到分类标签列表中，表示不喜欢
                    classLabelVector.append(1)
                elif listFromLine[-1] == 'smallDoses':
                    # 如果最后一个元素是 'smallDoses'，则将标签 2 添加到分类标签列表中，表示魅力一般
                    classLabelVector.append(2)
                elif listFromLine[-1] == 'largeDoses':
                    # 如果最后一个元素是 'largeDoses'，则将标签 3 添加到分类标签列表中，表示极具魅力
                    classLabelVector.append(3)
                # 行索引加1，处理下一行
                index += 1
        # 返回特征矩阵和分类标签列表
        return returnMat, classLabelVector
    except FileNotFoundError:
        # 如果文件未找到，打印错误信息
        print(f"文件 {filename} 未找到，请检查文件路径。")
        # 返回 None 表示读取失败
        return None, None
    except Exception as e:
        # 如果发生其他异常，打印异常信息
        print(f"读取文件时发生错误: {e}")
        # 返回 None 表示读取失败
        return None, None


# 函数说明:可视化数据
def showdatas(datingDataMat, datingLabels):
    # 如果特征矩阵或分类标签列表为 None，说明文件读取失败，直接返回
    if datingDataMat is None or datingLabels is None:
        return
    # 设置字体属性，使用宋体，字号为 14，用于显示中文
    font = FontProperties(family='SimSun', size=14)
    # 创建一个 2 行 2 列的子图布局，不共享 x 轴和 y 轴，画布大小为 13x8 英寸
    fig, axs = plt.subplots(nrows=2, ncols=2, sharex=False, sharey=False, figsize=(13, 8))
    # 获取分类标签的数量
    numberOfLabels = len(datingLabels)
    # 初始化一个空列表，用于存储每个数据点的颜色
    LabelsColors = []
    # 遍历分类标签列表
    for i in datingLabels:
        if i == 1:
            # 如果标签为 1，将颜色 'black' 添加到颜色列表中，表示不喜欢的点用黑色表示
            LabelsColors.append('black')
        elif i == 2:
            # 如果标签为 2，将颜色 'orange' 添加到颜色列表中，表示魅力一般的点用橙色表示
            LabelsColors.append('orange')
        elif i == 3:
            # 如果标签为 3，将颜色 'red' 添加到颜色列表中，表示极具魅力的点用红色表示
            LabelsColors.append('red')

    # 定义一个内部函数，用于绘制散点图
    def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
        # 在指定的子图上绘制散点图，x 轴数据为特征矩阵的第 x_index 列，y 轴数据为特征矩阵的第 y_index 列
        # 每个点的颜色根据分类标签从 LabelsColors 列表中获取，点的大小为 15，透明度为 0.5


        # ax 是一个 matplotlib 的 Axes 对象，代表一个子图。通过 ax.scatter 方法，可以在这个特定的子图上进行绘图操作。


        # x=datingDataMat[:, x_index]
        # datingDataMat 是一个 NumPy 数组，一般是从文件中读取并处理后得到的特征矩阵，每一行代表一个样本，每一列代表一个特征。
        # datingDataMat[:, x_index] 运用了 NumPy 的切片操作，选取 datingDataMat 矩阵中所有行的第 x_index 列数据，这些数据将作为散点图中所有散点的横坐标。

        # y=datingDataMat[:, y_index]
        # 同理，datingDataMat[:, y_index] 选取 datingDataMat 矩阵中所有行的第 y_index 列数据，这些数据将作为散点图中所有散点的纵坐标。


        # color=LabelsColors
        # LabelsColors 是一个包含颜色信息的列表，其长度和 datingDataMat 的行数相同。
        # 列表中的每个元素对应一个散点的颜色，也就是说，LabelsColors 中的第 i 个元素决定了 datingDataMat 中第 i 行样本所对应的散点的颜色。


        # s=15
        # s 参数用于设置散点的大小。这里将散点的大小设置为 15，单位通常是点（points）。


        # alpha=.5
        # alpha 参数用于设置散点的透明度。取值范围是 0 到 1，其中 0 表示完全透明，1 表示完全不透明。这里将散点的透明度设置为 0.5，意味着散点具有一定的半透明效果。


        ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
        # 设置子图的标题，使用之前设置的字体属性
        ax.set_title(title, fontproperties=font)
        # 设置子图的 x 轴标签，使用之前设置的字体属性
        ax.set_xlabel(x_label, fontproperties=font)
        # 设置子图的 y 轴标签，使用之前设置的字体属性
        ax.set_ylabel(y_label, fontproperties=font)
        # 设置子图坐标轴刻度的字体大小为 7
        ax.tick_params(axis='both', labelsize=7)
        # 返回绘制好的子图
        return ax

    # 调用 plot_scatter 函数，绘制第一个子图，x 轴为每年获得的飞行常客里程数，y 轴为玩视频游戏所消耗时间占比
    axs[0][0] = plot_scatter(axs[0][0], 0, 1, '每年获得的飞行常客里程数与玩视频游戏所消耗时间占比',
                             '每年获得的飞行常客里程数', '玩视频游戏所消耗时间占')
    # 调用 plot_scatter 函数，绘制第二个子图，x 轴为每年获得的飞行常客里程数，y 轴为每周消费的冰激淋公升数
    axs[0][1] = plot_scatter(axs[0][1], 0, 2, '每年获得的飞行常客里程数与每周消费的冰激淋公升数',
                             '每年获得的飞行常客里程数', '每周消费的冰激淋公升数')
    # 调用 plot_scatter 函数，绘制第三个子图，x 轴为玩视频游戏所消耗时间占比，y 轴为每周消费的冰激淋公升数
    axs[1][0] = plot_scatter(axs[1][0], 1, 2, '玩视频游戏所消耗时间占比与每周消费的冰激淋公升数',
                             '玩视频游戏所消耗时间占比', '每周消费的冰激淋公升数')

    # 创建一个 Line2D 对象，用于表示不喜欢的点的图例，颜色为黑色，标记为点，标记大小为 6
    didntLike = mlines.Line2D([], [], color='black', marker='.',
                              markersize=6, label='didntLike')
    # 创建一个 Line2D 对象，用于表示魅力一般的点的图例，颜色为橙色，标记为点，标记大小为 6
    smallDoses = mlines.Line2D([], [], color='orange', marker='.',
                               markersize=6, label='smallDoses')
    # 创建一个 Line2D 对象，用于表示极具魅力的点的图例，颜色为红色，标记为点，标记大小为 6
    largeDoses = mlines.Line2D([], [], color='red', marker='.',
                               markersize=6, label='largeDoses')



# axs 是之前通过 plt.subplots 函数创建的子图数组。这里的 axs 是一个二维数组，因为使用 nrows=2, ncols=2 创建了一个 2x2 的子图布局。
# [axs[0][0], axs[0][1], axs[1][0]] 是一个包含三个子图对象的列表。axs[0][0] 代表第一行第一列的子图，axs[0][1] 代表第一行第二列的子图，
# axs[1][0] 代表第二行第一列的子图。
# for ax in ... 这个循环会依次取出列表中的子图对象，并将其赋值给变量 ax。在每次循环中，ax 都会代表当前正在处理的子图。
    # 遍历前三个子图
    for ax in [axs[0][0], axs[0][1], axs[1][0]]:
        # 在每个子图上添加图例，包含不喜欢、魅力一般和极具魅力三种情况的标记
        # 2. ax.legend(handles=[didntLike, smallDoses, largeDoses])
        # ax.legend() 是 matplotlib 中用于在子图上添加图例的方法。
        # handles 参数接收一个包含 Line2D 对象的列表。didntLike、smallDoses 和 largeDoses 是之前创建的 Line2D 对象，
        # 分别代表不同类别的数据点（不喜欢、魅力一般、极具魅力）。
        # 通过传入这个列表，legend 方法会在当前子图上添加一个图例，图例中会显示这三种情况的标记和对应的标签。
        ax.legend(handles=[didntLike, smallDoses, largeDoses])

    # 隐藏第四个子图，因为只需要绘制三个子图
    axs[1][1].axis('off')

    # 自动调整子图的布局，使它们之间的间距和大小更加合理
    plt.tight_layout()
    # 显示绘制好的图形
    plt.show()


if __name__ == '__main__':
    # 定义要打开的文件名
    filename = "datingTestSet.txt"
    # 调用 file2matrix 函数，打开并处理文件，获取特征矩阵和分类标签列表
    datingDataMat, datingLabels = file2matrix(filename)
    # 调用 showdatas 函数，将特征矩阵和分类标签列表作为参数传入，进行数据可视化
    showdatas(datingDataMat, datingLabels)

代码是通过以下几个步骤来确定每个点的颜色的，下面为你详细解释：

1. 数据分类阶段

在 file2matrix 函数中，代码会读取文件里的数据，并且按照最后一列的文本描述对数据进行分类，把分类标签存到 classLabelVector 列表中。

python 复制代码

def file2matrix(filename):
    # ... 前面的代码省略 ...
    for line in arrayOLines:
        line = line.strip()
        listFromLine = line.split('\t')
        returnMat[index, :] = listFromLine[0:3]
        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

这里，'didntLike' 对应标签 1，'smallDoses' 对应标签 2，'largeDoses' 对应标签 3。

2. 颜色映射阶段

在 showdatas 函数中，代码会依据 datingLabels（也就是 classLabelVector）里的分类标签，为每个数据点分配对应的颜色，把这些颜色存到 LabelsColors 列表中。

python 复制代码

def showdatas(datingDataMat, datingLabels):
    # ... 前面的代码省略 ...
    LabelsColors = []
    for i in datingLabels:
        if i == 1:
            LabelsColors.append('black')
        elif i == 2:
            LabelsColors.append('orange')
        elif i == 3:
            LabelsColors.append('red')

要是分类标签是 1，就把颜色 'black' 添加到 LabelsColors 列表里。
要是分类标签是 2，就把颜色 'orange' 添加到 LabelsColors 列表里。
要是分类标签是 3，就把颜色 'red' 添加到 LabelsColors 列表里。

3. 绘制散点图阶段

在 showdatas 函数里定义的 plot_scatter 函数中，代码会用 LabelsColors 列表为每个数据点设置颜色。

python 复制代码

def plot_scatter(ax, x_index, y_index, title, x_label, y_label):
    ax.scatter(x=datingDataMat[:, x_index], y=datingDataMat[:, y_index], color=LabelsColors, s=15, alpha=.5)
    # ... 后面的代码省略 ...

ax.scatter 方法的 color 参数接收 LabelsColors 列表，这个列表里的每个元素都和 datingDataMat 中的一行数据对应。也就是说，LabelsColors 列表里的第 i 个元素决定了 datingDataMat 中第 i 行数据对应的点的颜色。

总结

代码先对数据进行分类，为每个数据点赋予一个分类标签，接着依据这些标签把颜色映射到每个数据点上，最后在绘制散点图时，按照映射好的颜色来显示每个点。这样一来，就能确保每个点依据其分类标签显示为对应的颜色（黑色、橙色或者红色）。

python 复制代码

import numpy as np

"""
Parameters:
    filename - 文件名
Returns:
    returnMat - 特征矩阵
    classLabelVector - 分类Label向量
"""
# 函数说明:打开并解析文件，对数据进行分类：1代表不喜欢,2代表魅力一般,3代表极具魅力
def file2matrix(filename):
    #打开文件
    fr = open(filename)
    #读取文件所有内容
    arrayOLines = fr.readlines()
    #得到文件行数
    numberOfLines = len(arrayOLines)
    #返回的NumPy矩阵,解析完成的数据:numberOfLines行,3列
    returnMat = np.zeros((numberOfLines,3))
    #返回的分类标签向量
    classLabelVector = []
    #行的索引值
    index = 0
    for line in arrayOLines:
        #s.strip(rm)，当rm空时,默认删除空白符(包括'\n','\r','\t',' ')
        line = line.strip()
        #使用s.split(str="",num=string,cout(str))将字符串根据'\t'分隔符进行切片。
        listFromLine = line.split('\t')
        #将数据前三列提取出来,存放到returnMat的NumPy矩阵中,也就是特征矩阵
        returnMat[index,:] = listFromLine[0:3]
        #根据文本中标记的喜欢的程度进行分类,1代表不喜欢,2代表魅力一般,3代表极具魅力
        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

"""
Parameters:
    dataSet - 特征矩阵
Returns:
    normDataSet - 归一化后的特征矩阵
    ranges - 数据范围
    minVals - 数据最小值
"""
# 函数说明:对数据进行归一化
def autoNorm(dataSet):
    #获得数据的最小值
    minVals = dataSet.min(0)
    maxVals = dataSet.max(0)
    #最大值和最小值的范围
    ranges = maxVals - minVals
    #shape(dataSet)返回dataSet的矩阵行列数
    normDataSet = np.zeros(np.shape(dataSet))
    #返回dataSet的行数
    m = dataSet.shape[0]
    #原始值减去最小值
    normDataSet = dataSet - np.tile(minVals, (m, 1))
    #除以最大和最小值的差,得到归一化数据
    normDataSet = normDataSet / np.tile(ranges, (m, 1))
    #返回归一化数据结果,数据范围,最小值
    return normDataSet, ranges, minVals


if __name__ == '__main__':
    #打开的文件名
    filename = "datingTestSet.txt"
    #打开并处理数据
    datingDataMat, datingLabels = file2matrix(filename)
    normDataSet, ranges, minVals = autoNorm(datingDataMat)
    print(normDataSet)
    print(ranges)
    print(minVals)

复制代码

[[0.44832535 0.39805139 0.56233353]
 [0.15873259 0.34195467 0.98724416]
 [0.28542943 0.06892523 0.47449629]
 ...
 [0.29115949 0.50910294 0.51079493]
 [0.52711097 0.43665451 0.4290048 ]
 [0.47940793 0.3768091  0.78571804]]
[9.1273000e+04 2.0919349e+01 1.6943610e+00]
[0.       0.       0.001156]

python 复制代码

233353]

0.15873259 0.34195467 0.98724416

0.28542943 0.06892523 0.47449629

...

0.29115949 0.50910294 0.51079493

0.52711097 0.43665451 0.4290048

0.47940793 0.3768091 0.78571804\]

9.1273000e+04 2.0919349e+01 1.6943610e+00

0. 0. 0.001156

python 复制代码