分类算法python程序_python3机器学习经典实例-学习笔记6-分类算法

杨利霞

分类算法python程序_python3机器学习经典实例-学习笔记6-分类算法

创建一个简单的分类器首先本程序需要用到的数据包

import numpy as np

import matplotlib.pyplot as plt

补充：python中的list和array的不同之处

python中的list是python的内置数据类型，list中的数据类不必相同的，而array的中的类型必须全部相同。在list中的数据类型保存的是数据的存放的地址，简单的说就是指针，并非数据，这样保存一个list就太麻烦了，例如list1=[1,2,3,'a']需要4个指针和四个数据，增加了存储和消耗cpu。

numpy中封装的array有很强大的功能，里面存放的都是相同的数据类型生成二维输入的数据array和标签labels

# input data

X = np.array([[3,1], [2,5], [1,8], [6,4], [5,2], [3,5], [4,7], [4,-1]])

# labels

y = [0, 1, 1, 0, 0, 1, 1, 0]基于y的值标签将输入数据class_0 和class_1 分为两类

# separate the data into classes based on 'y'

class_0 = np.array([X for i in range(len(X)) if y==0])

class_1 = np.array([X for i in range(len(X)) if y==1])将分好的class_0 和class_1 进行作图，并以不同的形状进行数据的标记。结果如下图。

# plot input data

plt.figure()

plt.scatter(class_0[:,0], class_0[:,1], color='black', marker='s')

plt.scatter(class_1[:,0], class_1[:,1], color='black', marker='x')

这里是自己生成的一条直线，并不是依据分类的节点的坐标。也就是说本例只是让我们简单的知道分类的形式。画线斜率为1的直线

# draw the separator line

line_x = range(10)

line_y = line_x

将分类的结果进行图像显示：

# plot labeled data and separator line

plt.figure()

plt.scatter(class_0[:,0], class_0[:,1], color='black', marker='s')

plt.scatter(class_1[:,0], class_1[:,1], color='black', marker='x')

plt.plot(line_x, line_y, color='black', linewidth=3)

plt.show()

结果如下：

未完待续。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

( H% v5 J5 ^$ e4 @8 u% ~