一、问题：

海伦一直使用在线约会网站寻找适合自己的约会对象。她曾交往过三种类型的人：

不喜欢的人

一般喜欢的人

非常喜欢的人

这些人包含以下三种特征

每年获得的飞行常客里程数

玩视频游戏所耗时间百分比

每周消费的冰淇淋公升数

该网站现在需要尽可能向海伦推荐她喜欢的人，需要我们设计一个分类器，根据用户的以上三种特征，识别出是否该向海伦推荐

二、代码部分：

1.包模块：

import operator
from numpy import *
from os import listdir
import matplotlib
import matplotlib.pylab as plt
 

2.距离计算函数：

# 计算函数
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.items(), key=operator.itemgetter(1), reverse=True)
    return sortedClassCount[0][0]
 

3.数据准备：

def file2matrix(filename):
    '14488\t7.153469\t1.673904\tsmallDoses\n',.......]
  
    classLabelVector = []
    index = 0
    fr = open(filename)        
  
    for line in fr.readlines():               
        line = line.strip()                     
       
        listFromLine = line.split('\t')     
        print("\t分割后的列表:", listFromLine)    
        returnMat[index, :] = listFromLine[0:3]    
        print("第", index, "行得到的列表", returnMat[index, :])    8.326976e+00 9.539520e-01]
        classLabelVector.append(listFromLine[-1])  
        index += 1
    return returnMat, classLabelVector

4.分析数据：

def printData(data):
  
    plt.rcParams['font.sans-serif'] = ['Simhei']
    fig = plt.figure()
    
    ax = fig.add_subplot(111) 
    plt.scatter(data[:, 1], data[:, 2])
    plt.xlabel("玩游戏所占时间")
    plt.ylabel("每周消费冰激凌数")
    plt.show()

5.归一化处理

def autoNormal(dataSet):
    minVals = dataSet.min(0)    # 参数0 按列查找最小值  这样可以找出三个特征值的最小值了
    maxVals = dataSet.max(0)
    ranges = maxVals - minVals
    normDataSet = zeros(shape(dataSet))
    m = dataSet.shape[0]
    normDataSet = dataSet - tile(minVals, (m, 1))
    # tile(a,reps): a :要复制的值 reps：复制的次数 本次案例中  （m,1） m:复制m行 1:复制1列
    normDataSet = normDataSet / tile(ranges, (m, 1))  # element wise divide
    return normDataSet, ranges, minVals

6.分类器测试：

def datingClassTest(filename):
    hoRatio = 0.1     
    datingDataMat,datingLabels = file2matrix(filename)      
 
    printData(datingDataMat)
    normMat, ranges, minVals = autoNormal(datingDataMat)                 
    m = normMat.shape[0]
    numTestVecs = int(m*hoRatio)    
    errorCount = 0.0                 
    for i in range(numTestVecs):
        classifierResult = classify0(normMat[i, :], normMat[numTestVecs:m, :], datingLabels[numTestVecs:m], 3)
        print("the classifier came back with: %s, the real answer is: %s" % (classifierResult, datingLabels[i]))
  
        if (classifierResult != datingLabels[i]): errorCount += 1.0
    print("the total error rate is: %d" % ((errorCount/float(numTestVecs))*100), "%")
    print(errorCount)
    # the total error rate is: 5 %
    # 5.0

if __name__ == '__main__':
    datingClassTest("datingTestSet.txt")