码迷,mamicode.com
首页 > 编程语言 > 详细

机器学习算法:补一个k-近邻算法的测试

时间:2014-11-05 17:36:00      阅读:230      评论:0      收藏:0      [点我收藏+]

标签:机器学习

之前写k-近邻算法(http://boytnt.blog.51cto.com/966121/1569629)的时候,没附上测试数据,这回找了一个,测试一下算法的效果。数据来源于http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data,关于乳腺癌的样本,属性描述见breast-cancer-wisconsin.names。


样本的大致形式如下:

1000025,5,1,1,1,2,1,3,1,1,2

第1个属性是编号,我们不关心,最后一个属性是结果,2表示benign(良性),4表示malignant(恶性)。其余9个属性是样本特征。注意里面有缺失数据(用?表示,共计16行,占2.3%),计算时要先做数据清洗,这里简单填充成0即可。


用k-近邻算法来测试一下:

public void TestNearestNeighbour()
{
    var trainingSet = new List<DataVector<double>>();
    var testSet = new List<DataVector<double>>();
    
    //读取数据
    var file = new StreamReader("breast-cancer-wisconsin.txt", Encoding.Default);
    for(int i = 0;i < 699;++i)
    {
        string line = file.ReadLine();
        var parts = line.Split(‘,‘);
        
        var p = new DataVector<double>(9);
        for(int j = 0;j < p.Dimension;++j)
        {
            if(parts[j + 1] == "?")
                parts[j + 1] = "0";
            p.Data[j] = Convert.ToDouble(parts[j + 1]);
        }
        p.Label = Convert.ToInt32(parts[10]) == 2 ? "benign" : "malignant";
        
        //用600个样本做训练,剩下99个做测试
        if(i < 600)
            trainingSet.Add(p);
        else
            testSet.Add(p);
    }
    file.Close();
    
    //检验
    var nn = new NearestNeighbour();
    nn.Train(trainingSet);
    int error = 0;
    foreach(var p in testSet)
    {
        var label = nn.Classify(p);
        if(label != p.Label)
            ++error;
    }
    
    Console.WriteLine("Error = {0}/{1}, {2}%", error, testSet.Count, (error * 100.0 / testSet.Count));
}


运行结果是99个测试样本猜错2个,错误率2.02%,效果不错。



本文出自 “兔子窝” 博客,请务必保留此出处http://boytnt.blog.51cto.com/966121/1572149

机器学习算法:补一个k-近邻算法的测试

标签:机器学习

原文地址:http://boytnt.blog.51cto.com/966121/1572149

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!