程序2-4 分类器针对约会网站的测试代码(4)
def datingClassTest():hoRatio = 0.10
//将文件读入内存矩阵datingDataMat,datingLabels = file2matrix('datingTestSet.txt')
//归一化,请看(3)normMat, ranges, minVals = autoNorm(datingDataMat)m = normMat.shape[0]
//训练样本从第m*hoRatio行开始numTestVecs = int(m*hoRatio)errorCount = 0.0
//待预测向量从0开始到m*hoRatio结束for i in range(numTestVecs):
/*
normMat[i,:] 为取出mormMat的第i+1行，作为待预测的向量
关于normMat[numTestVecs:m,:]，为训练样本，取出从i+1行开始的m行，这里m可以大于矩阵的总行数，看下面的例子。
>>> a = zeros((3,3))>>> aarray([[ 0., 0., 0.], [ 0., 0., 0.], [ 0., 0., 0.]])>>> a[1][0]=2>>> a[2][0]=3>>> aarray([[ 0., 0., 0.], [ 2., 0., 0.], [ 3., 0., 0.]])>>> a[0:2,:]array([[ 0., 0., 0.], [ 2., 0., 0.]])>>> a[0:4,:]array([[ 0., 0., 0.], [ 2., 0., 0.], [ 3., 0., 0.]])>>> a[1:4,:]array([[ 2., 0., 0.], [ 3., 0., 0.]])
datingLabels[numTestVecs:m] 为训练样本的标签向量，用于预测待预测向量，
取出待预测向量离训练样本最小的3个标签，
*/classifierResult = classify0(normMat[i,:],normMat[numTestVecs:m,:],datingLabels[numTestVecs:m],3)
//检查预测值和实际值是否相符合print "the classifier came back with: %d, the real answer is: %d"% (classifierResult, datingLabels[i])
if (classifierResult != datingLabels[i]): errorCount += 1.0print "the total error rate is: %f" % (errorCount/float(numTestVecs))
