Python3实现KNN的三个包含数据集，水果分类，识别手写数字，找相似的朋友

Python3实现KNN的三个例子（包含数据集），水果分类，识别手写数字，找相似的朋友

# -*- coding:utf-8 -*-
__author__ = ‘yangxin_ryan‘
from numpy import *
from os import listdir
from collections import Counter
import operator
“““
图片的输入为 32 * 32的转换为 1 * 1024的向量
“““


class DigitalRecognition（object）:

    def __init__（self）:
        print（“Welcome 手写数字识别算法!“）

    “““
    1.距离计算
    tile生成和训练样本对应的矩阵，并与训练样本求差
    取平方
    将矩阵的每一行相加
    开方
    根据距离从小到大的排序，并返回对应的索引位置
    2.选择距离最小的k个值
    3.排序并返回出现最多的那个类型
    “““
    def classify_1（self in_x data_set labels k）:
        data_set_size = data_set.shape[0]
        diff_mat = tile（in_x （data_set_size 1）） - data_set
        sq_diff_mat = diff_mat ** 2
        sq_distances = sq_diff_mat.sum（axis=1）
        distances = sq_distances ** 0.5
        sorted_dist_indicies = distances.argsort（）
        #
        class_count = {}
        for i in range（k）:
            vote_i_label = labels[sorted_dist_indicies[i]]
            class_count[vote_i_label] = class_count.get（vote_i_label 0） + 1
        sorted_class_count = sorted（class_count.items（） key=operator.itemgetter（1） reverse=True）
        return sorted_class_count

    “““         
    1.计算距离
    2.k个最近的标签
    3.出现次数最多的标签即为最终类别
    “““
    def classify_2（self in_x data_set labels k）:
        dist = np.sum（（in_x - data_set） ** 2 axis=1） ** 0.5
        k_labels = [labels[index] for index in dist.argsort（）[0:k]]
        label = Counter（k_labels）.most_common（1）[0][0]
        return label

    def file_to_matrix（self file_name）:
        fr = open（file_name）
        number_of_lines = len（fr.readlines（））
        return_mat = zeros（（number_of_lines 3））
        class_label_vector = []
        fr = open（file_name）
        index = 0
        for line in fr.readlines（）:
            line = line.strip（）
            list_from_line = line.split（“\t“）
            return_mat[index :] = list_from_line[0:3]
            class_label_vector.append（int（list_from_line[-1]））
            index += 1
        return return_mat class_label_vector

    “““
    将图片转换为向量
    图片的输入为 32 * 32的，将图像转换为向量，该函数创建 1 * 1024 的Numpy数组
    “““
    def img_to_vector（self file_name）:
        return_vector = zeros（（1 1024））
        fr = open（file_name ‘r‘）
        for i in range（32）:
            line_str = fr.readline（）
            for j in range（32）:
                return_vector[0 32 * i + j] = int（line_str[j]）
        return return_vector

    def run（self train_file_path test_file_path k）:
        labels = []
        training_file_list = listdir（train_file_path）
        train_len = len（training_file_list）
        training_mat = zeros（（train_len 1024））
        for i in range（train_len）:
            file_name_str = training_file_list[i]
            file_str = file_name_str.split（“.“）[0]
            class_num_str = int（file_str.split（“_“）[0]）
            labels.append（class_num_str）
            img_file = train_file_path + file_name_str
            print（img_file）
            training_mat[i] = self.img_to_vector（img_file）
        test_file_list = listdir（test_file_path

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件           0  2019-03-06 18:11  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?
     目录           0  2019-03-06 18:09  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?knn\
     文件        3753  2019-03-06 18:02  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?knn\fruit_classify.py
     文件        4349  2019-03-06 18:07  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?knn\digital_recognition.py
     文件           0  2018-09-19 20:21  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?knn\__init__.py
     文件        3600  2019-03-06 18:09  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?knn\interests_similar.py
     文件        6148  2019-03-06 18:11  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?.DS_Store
     目录           0  2019-03-06 18:11  __MACOSX\
     文件           0  2019-03-06 18:11  __MACOSX\20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?
     文件         120  2019-03-06 18:11  __MACOSX\20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?._.DS_Store
     目录           0  2019-03-06 16:31  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\
     目录           0  2019-03-06 17:18  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\
     文件       26067  2019-03-06 16:31  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\interests_friends.txt
     目录           0  2019-03-06 17:05  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\5_135.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\4_36.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\8_102.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\8_116.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\5_121.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\4_22.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\5_109.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\3_17.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\3_164.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\3_170.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\3_158.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\9_113.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\9_76.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\0_52.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\4_124.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\4_130.txt
     文件        1088  2019-03-06 16:47  20190306KNN椤圭洰浠ｇ爜&&鏁版嵁闆?data\knn\trainingDigits\0_46.txt
............此处省略2865个文件信息