1、feature.txt是关于性别预测的数据，第一列为身高，第二列为体重，第三列为鞋码(鞋子尺码),

第四列为性别(标签列).请根据feature.txt的数据预测[155,48,36]（即身高为155，体重为48，鞋码为36）的人的性别;

import numpy as np
#from sklearn import neighbors
#from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
np.set_printoptions(suppress=True)
dataset = np.genfromtxt("feature.txt",dtype='str',encoding='utf-8')
x_data=dataset[:,0:-1]
labels=dataset[:,-1]
datasetnum=len(x_data)
datingmat=np.zeros((datasetnum,3))
for i in range(datasetnum):
    datingmat[i]=x_data[i]

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/np.tile(ranges,(m,1))-0.5)*2
    return normdataset

knn=KNeighborsClassifier(n_neighbors=1)
knn.fit(autonorm(datingmat),labels)
knn.score(autonorm(datingmat),labels)
knn.predict(np.array([[155,48,36]]))

knn算法学习记录3_算法

2、创建1×1024的NumPy数组，然后打开给定的文件0_0.txt，循环读出文件的前32行，并将每行的头32个字符值存储在NumPy数组中，最后返回该数组。

import numpy as np
def img2vector(filename):
    returnVect=np.zeros((1,1024))
    fr=open(filename)
    for i in range(32):
        lineStr=fr.readline()
        for j in range(32):
            returnVect[0,32*i+j]=int(lineStr[j])
    return returnVect
print(img2vector('0_0.txt'))

knn算法学习记录3_数据_02