k-近邻算法改进约会网站的配对效果

一个txt说明文件，一个ipynb文件，一个py文件。下载即可运行。

from numpy import *
import operator

#定义KNN算法分类器函数
#函数参数包括：（测试数据，训练数据，分类k值）
def classify（inXdataSet labels k）:
    dataSetSize = dataSet.shape[0]
    diffMat = tile（inX（dataSetSize1））-dataSet
    sqDiffMat=diffMat**2
    sqDistances=sqDiffMat.sum（axis=1）
    distances=sqDistances**0.5 #计算欧式距离
    sortedDistIndicies=distances.argsort（） #排序并返回index
    #选择距离最近的k个值
    classCount={}
    for i in range（k）:
        voteIlabel=labels[sortedDistIndicies[i]]
        #D.get（k[d]） -> D[k] if k in D else d. d defaults to None.
        classCount[voteIlabel]=classCount.get（voteIlabel0）+1
    #排序
    sortedClassCount=sorted（classCount.items（）key=operator.itemgetter（1）reverse=True）
    return sortedClassCount[0][0]


#定义一个生成“训练样本集”的函数，包含特征和分类信息
def createDataSet（）:
    group=array（[[11.1][1

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件      27067  2018-10-09 16:58  knn\datingTestSet.txt

     文件     239749  2018-10-09 18:00  knn\file2matrix.ipynb

     文件       3587  2018-10-09 17:53  knn\KNN.py

     目录          0  2018-11-08 08:22  knn

----------- ---------  ---------- -----  ----

               270403                    4