之前寫(xiě)k-近鄰算法（http://boytnt.blog.51cto.com/966121/1569629）的時(shí)候，沒(méi)附上測(cè)試數(shù)據(jù)，這回找了一個(gè)，測(cè)試一下算法的效果。數(shù)據(jù)來(lái)源于http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data，關(guān)于乳腺癌的樣本，屬性描述見(jiàn)breast-cancer-wisconsin.names。

創(chuàng)新互聯(lián)公司長(zhǎng)期為上千家客戶(hù)提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為二道企業(yè)提供專(zhuān)業(yè)的做網(wǎng)站、成都網(wǎng)站制作，二道網(wǎng)站改版等技術(shù)服務(wù)。擁有10多年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

樣本的大致形式如下：

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

第1個(gè)屬性是編號(hào)，我們不關(guān)心，最后一個(gè)屬性是結(jié)果，2表示benign（良性），4表示malignant（惡性）。其余9個(gè)屬性是樣本特征。注意里面有缺失數(shù)據(jù)（用？表示，共計(jì)16行，占2.3%），計(jì)算時(shí)要先做數(shù)據(jù)清洗，這里簡(jiǎn)單填充成0即可。

用k-近鄰算法來(lái)測(cè)試一下：

public void TestNearestNeighbour()
{
    var trainingSet = new List>();
    var testSet = new List>();
    
    //讀取數(shù)據(jù)
    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(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個(gè)樣本做訓(xùn)練，剩下99個(gè)做測(cè)試
        if(i < 600)
            trainingSet.Add(p);
        else
            testSet.Add(p);
    }
    file.Close();
    
    //檢驗(yàn)
    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));
}

運(yùn)行結(jié)果是99個(gè)測(cè)試樣本猜錯(cuò)2個(gè)，錯(cuò)誤率2.02%，效果不錯(cuò)。

附件：http://down.51cto.com/data/2365048

創(chuàng)新互聯(lián)www.cdcxhl.cn，專(zhuān)業(yè)提供香港、美國(guó)云服務(wù)器，動(dòng)態(tài)BGP最優(yōu)骨干路由自動(dòng)選擇，持續(xù)穩(wěn)定高效的網(wǎng)絡(luò)助力業(yè)務(wù)部署。公司持有工信部辦法的idc、isp許可證， 機(jī)房獨(dú)有T級(jí)流量清洗系統(tǒng)配攻擊溯源，準(zhǔn)確進(jìn)行流量調(diào)度，確保服務(wù)器高可用性。佳節(jié)活動(dòng)現(xiàn)已開(kāi)啟，新人活動(dòng)云服務(wù)器買(mǎi)多久送多久。

分享名稱(chēng)：機(jī)器學(xué)習(xí)算法：補(bǔ)一個(gè)k-近鄰算法的測(cè)試-創(chuàng)新互聯(lián)
標(biāo)題網(wǎng)址：http://weahome.cn/article/dccope.html