(完整)数据挖掘与实验报告(word文档良心出品) .pdfVIP

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

资料

实验一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：

（1）不喜欢的人

（2）魅力一般的人

（3）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：①percentage

oftimespentingplayingvediogames；②frequentfliedmilesearnedperyear；③litersofice

creamconsumedperyear；④yourattitudetowarsthispeople。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

①计算已知类别数据集中的每一个点和当前点的距离

②按照距离递增依次排序

③选取与当前点距离最小的k个点

④确定k个点所在类别的出现频率

⑤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：

defclassify(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

资料

sortedDistIndicies=distance.argsort()

classCount={}

foriinrange(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：

deffile2Mat(testFileName,parammterNumber):

fr=open(testFileName)

lines=fr.readlines()

lineNums=len(lines)

resultMat=zeros((lineNums,parammterNumber))