《用Python实现数据分类的核心代码程序》

《用Python实现数据分类的核心代码程序》.Python实现数据分类的核心代码程序，有离散和连续数据两种。

##离散数据分类

离散数据分类实际上是对离散数据的分类。在Python中，最常用的方法是基于KNN算法的分类。KNN是一种常用的机器学习分类方法，能用于判断处理一个数据实体可能属于哪一个类别。首先，我们需要建立一个K值，之后利用K值来对样本进行类别划分，具体过程如下：

1.收集训练数据：神经网络的输出取决于训练数据，因此首先要收集训练数据。

2.构建KNN算法模型：建立模型的第一步是建立一个K值，该K值代表模型中的距离的参数，它的值越大，对模型的拟合程度越大；反之，K值越小，模型的拟合程度越低。

3.测试数据样本：使用训练获得的KNN模型，在测试数据中查找K个最邻近的样本，接着，从这K个样本中找出现频率最多的类别，然后把测试样本分类到这个类别中。

下面是Python实现KNN算法分类离散数据的核心代码：

```python

importnumpyasnp

classKNN(object):

def__init__(self,K):

self.dataSet=None

self.dataSetName=None

self.K=K

#求欧式距离

defcalDistance(self,data_1,data_2):

dis=0

foriinrange(len(data_1)):

dis+=(data_1[i]-data_2[i])**2

returnnp.sqrt(dis)

#计算K个最近邻的类别

defKNNClassify(self,testData):

#获取测试样本中的每个特征

testData_temp=np.array(testData).T

#获取训练数据中的每个特征

TrainData_temp=self.dataSet.T[:-1]

#计算测试样本与训练数据的欧氏距离

dis=np.array([])

fordatainTrainData_temp:

dis=np.append(dis,np.array([self.calDistance(data,testData_temp)]))

#对计算出来的距离进行排序

dis_sort=dis.argsort()

#统计K个类别出现的次数

count={}

foriinrange(self.K):

tempClass=self.dataSetName[dis_sort[i]]

count[tempClass]=count.get(tempClass,0)+1

#获取类别出现的次数最多的类别

reault=sorted(count.iteritems(),lambdax,y:cmp(x[1],y[1]),reverse=True)

returnreault[0][0]

#构建实例

KNN_Classify=KNN(K=3)

#收集数据

KNN_Classify.dataSet=np.array([[1,2,1,2,'A'],

[2,2,3,2,'A'],

[0,2,1,2,'B'],

[1,2,3,3,'B']])

KNN_Classify.dataSetName=np.array(['A','A','B','B'])

#预测测试样本

KNN_Classify.KNNClassify([1,2,3,1])#返回B

```

##连续数据分类

连续数据分类实际上是对连续数据（使用概率）进行分类操作。连续数据分类常用的方法是基于贝叶斯算法的分类。贝叶斯分类算法基于贝叶斯定理，它可以计算类别概率、样本属于某个类别的概率。

在Python中，实现贝叶斯分类代码可以如下：

```python

importnumpyasnp

#计算先验概率

defCalPriorProb(dataSet):

numEntries=len(dataSet)

labelsCounts={}

foriinrange(numEntries):

curLabel=dataSet[i,-1]

ifcurLabelnotinlabelsCounts.keys():

labelsCounts[curLabel]=0

labelsCounts[curLabel]+=1

#计算每一类标签出现的概率

priorProb={}

forlabelinlabelsCounts.keys():

priorProb[label]=labelsCounts[label]*1.0/numEntries

returnpriorProb

#根据特征属性计算后验概率

defCalPosteriorProb(dataSet,featureIndex,featureValue):

PosteriorProb={}

#获得取值为featureValue的数据的总的条数

totalNum=0.0

totalLabelNum={}

#获取样本数据中，每一行特征值跟featureValue相等的数据集

tempDataSet=dataSet[np.nonzero(dataSet[:,featureIndex]==featureValue)[0],:]

foriinrange(len(tempDataSet)):

curLabel=tempDataSet[i,-1]

ifcurLabelnotintotalLabelNum.keys():

totalLabelNum[curLabel]=0

totalNum+=totalLabelNum[curLabel]

#计算每一类标签在特征值跟featureValue相等的情况下出现的概率

forlabelintotalLabelNum.keys():

PosteriorProb[label]=(totalLabelNum[label]*1.0)/totalNum

returnPosteriorProb

#贝叶斯算法分类器

defBayesClassify(dataSet,data):

numFeatures=np.shape(dataSet)[1]-1

P=CalPriorProb(dataSet)

foriinrange(numFeatures):

featureValue=data[i]

P=CalPosteriorProb(dataSet,i,featureValue)

bestLabel,_=sorted(P.iteritems(),lambdax,y:cmp(x[1],y[1]),reverse=True)[0]

returnbestLabel

if__name__=='__main__':

dataSet=np.array([[1,1,'A'],[2,2,'A'],[1,