1.将distance.txt里面的数据进行归一化处理,转化为[-1,1]之间

import numpy as np

a=np.genfromtxt("distance.txt",delimiter=",")
np.set_printoptions(suppress=True)
#print(array(a))
def autoNorm(dataSet):
    minVals=dataSet.min(0)
    maxVals=dataSet.max(0)
    ranges=maxVals-minVals
    m=dataSet.shape[0]
    normDataSet=dataSet-np.tile(minVals,(m,1))
    normDataSet=(normDataSet/tile(ranges,(m,1))-0.5)*2
    return normDataSet
print(autoNorm(array(a)))

归一化处理_数据

2.读取datingTestSet.txt的数据，因为前3列代表的为3个特征，最后一列是标签(喜欢程度)。

将datingTestSet.txt的特征集用returnMat表示，标签用labels表示，

打印returnMat和labels

fr=open("datingTestSet.txt")
arrayOLines=fr.readlines()
numberOfLines=len(arrayOLines)
returnMat=zeros((numberOfLines,3))
labels=[]
index=0
for line in arrayOLines:
    line=line.strip()
    listFromLine=line.split('\t')
    returnMat[index,:]=listFromLine[0:3]
    if listFromLine[-1]=="didntLike":
        labels.append(1)
    elif listFromLine[-1]=="smallDoses":
        labels.append(2)
    elif listFromLine[-1]=="largeDoses":
        labels.append(3)
    index +=1
print(returnMat)
print(labels)

归一化处理_归一化_02