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:
1
|
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
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。
附件:http://down.51cto.com/data/2365048
本文转自 BoyTNT 51CTO博客,原文链接:http://blog.51cto.com/boytnt/1572149,如需转载请自行联系原作者