KNN算法[分类算法]

kNN(k-近邻)分类算法的实现

(1) 简介：

（2）算法描述：

（3）

 <?php
 /*
 *KNN K-近邻方法（分类算法的实现）
 */

 /*
 *把.txt中的内容读到数组中保存,$filename:文件名称
 */
 //--------------------------------------------------------------------
 function  getFileContent($filename)
 {
     $array = array(null);
     $content = file_get_contents($filename);
     $result = explode("\r\n",$content);
     //print_r(count($result));
     for($j=0;$j<count($result);$j++)
     {
         //print_r($result[$j]."<br>");
         $con = explode(" ",$result[$j]);
         array_push($array,$con);
     }
     array_splice($array,0,1);
     return $array;
 }
 //--------------------------------------------------------------------

 /*
  */
 //希尔排序算法
 //--------------------------------------------------------------------
 function shell_sort($array)//降序
 {
     $dh=(int)(count($array)/2);
     while($dh>=1)
     {
         for($i=$dh;$i<count($array);$i++)
         {
             $temp=array($array[$i][0],$array[$i][1]);
             $j=$i-$dh;
             while($j>=0&&($array[$j][1]<$temp[1]))
             {
                 $array[$j+$dh][1]=$array[$j][1];
                 $array[$j+$dh][0]=$array[$j][0];
                 $j-=$dh;
             }
             $array[$j+$dh][1]=$temp[1];
             $array[$j+$dh][0]=$temp[0];
         }
         $dh=(int)($dh/2);
     }
     return $array;
 }
 //-------------------------------------------------------------------------
 /*
 *KNN算法
 *$test:测试文本；$train：训练文本；$flagsyes：yes；$flagsno：no
 */
 //--------------------------------------------------------------------
 function  KNN($test,$train,$flagsyes,$flagsno)
 {
     for($i=1;$i<count($train);$i++)
     {
         for($j=1;$j<count($test)-1;$j++)
         {
             if($test[$j]==$train[$i][$j]) $a[$j] = 1;
             else $a[$j] = 0;
         }

         //求两个例子之间的欧氏距离
         $sum = 0;
         for($j=1;$j<count($test)-1;$j++)
         {
             $sum += pow(1-$a[$j],2);
         }
         $distance[$i] = sqrt($sum);
     }
     $d = array(array(NULL,NULL));
     for($i=1;$i<count($train);$i++)
     {
         $d[$i-1][0] = $train[$i][count($train[$i])-1];
         $d[$i-1][1] = 1 /(1+ $distance[$i]) ;
     }
     $result =shell_sort($d);

     $k = (int) sqrt(count($train)-1);//k=sqrt(N);

     $count_yes = 0;
     for($i=0;$i<$k;$i++)
     {
         if($result[$i][0]==$flagsyes)$count_yes++;
     }
     $count_no = $k - $count_yes;

     if($count_yes>$count_no)return $flagsyes;
     else return $flagsno;
 }
 //--------------------------------------------------------------------

 $train = getFileContent("train.txt");
 $test = getFileContent("test.txt");

 for($i=1;$i<count($test);$i++)
 {
     $test[$i][count($test[0])-1] = KNN($test[$i],$train,Y,N);
 }
 /*
 *将数组中的内容读到.txt中
 */
 //--------------------------------------------------------------------
 $fp= fopen('result.txt','wb');
 for($i=0;$i<count($test);$i++)
 {
     $temp = NULL;
     for($j=0;$j<count($test[$i]);$j++)
     {
         $temp =  $test[$i][$j]."\t";
         fwrite($fp,$temp);
     }
     fwrite($fp,"\r\n");
 }
 fclose($fp);
 //--------------------------------------------------------------------

 /*
 *打印输出
 */
 //--------------------------------------------------------------------
 echo "<pre>";
 print_r($test);
 echo "</pre>";
 //--------------------------------------------------------------------
 ?>