更新 2.k-近邻算法 的项目文档

docs/2.k-近邻算法.md

@@ -92,9 +92,18 @@ knn 算法按照距离最近的三部电影的类型，决定未知电影的类
 * 玩视频游戏所耗时间百分比
 * 每周消费的冰淇淋公升数
 
+文本文件数据格式如下：
+```
+40920	8.326976	0.953952	3
+14488	7.153469	1.673904	2
+26052	1.441871	0.805124	1
+75136	13.147394	0.428964	1
+38344	1.669788	0.134296	1
+```
 > 准备数据：使用 Python 解析文本文件
 
 将文本记录转换为 NumPy 的解析程序
+ 
  ```Python
 def file2matrix(filename):
     """
@@ -143,14 +152,25 @@ plt.show()
 
 ![Matplotlib 散点图](/images/2.KNN/knn_matplotlib_2.png)
 
-> 准备数据: 归一化数据
+* 归一化数据 （归一化是一个让权重变为统一的过程，更多细节请参考： https://www.zhihu.com/question/19951858）
+
+| 序号 | 玩视频游戏所耗时间百分比 | 每年获得的飞行常客里程数  | 每周消费的冰淇淋公升数  | 样本分类 |
+| ------------- |:-------------:| -----:| -----:| -----:|
+| 1 | 0.8 | 400     | 0.5 | 1 |
+| 2 | 12  | 134 000 | 0.9 | 3 |
+| 3 | 0   | 20 000  | 1.1 | 2 |
+| 4 | 67  | 32 000  | 0.1 | 2 |
+
+样本3和样本4的距离：
+$$\sqrt{(0-67)^2 + (20000-32000)^2 + (1.1-0.1)^2 }$$
+
+归一化特征值，消除特征之间量级不同导致的影响
 
-归一化特征值，消除属性之间量级不同导致的影响
 ```Python
 def autoNorm(dataSet):
     """
     Desc:
-        归一化特征值，消除属性之间量级不同导致的影响
+        归一化特征值，消除特征之间量级不同导致的影响
     parameter:
         dataSet: 数据集
     return:
@@ -176,9 +196,12 @@ def autoNorm(dataSet):
 
 > 训练算法：此步骤不适用于 k-近邻算法
 
-> 测试算法：使用海伦提供的部分数据作为测试样本。测试样本和非测试样本的区别在于：测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误。
+因为测试数据每一次都要与全量的训练数据进行比较，所以这个过程是没有必要的。
+
+> 测试算法：使用海伦提供的部分数据作为测试样本。如果预测分类与实际类别不同，则标记为一个错误。
 
 kNN 分类器针对约会网站的测试代码
+
 ```Python
 def datingClassTest():
     """
@@ -213,6 +236,7 @@ def datingClassTest():
 > 使用算法：产生简单的命令行程序，然后海伦可以输入一些特征数据以判断对方是否为自己喜欢的类型。
 
 约会网站预测函数
+
 ```Python
 def clasdifyPerson():
     resultList = ['not at all', 'in small doses', 'in large doses']
@@ -238,15 +262,11 @@ You will probably like this person: in small doses
 
 [完整代码地址](https://github.com/apachecn/MachineLearning/blob/master/src/python/2.KNN/kNN.py): <https://github.com/apachecn/MachineLearning/blob/master/src/python/2.KNN/kNN.py>
 
-#### 要点补充
-
-归一化是一个让权重变为统一的过程，更多细节请参考： https://www.zhihu.com/question/19951858
-
 ### 项目案例2: 手写数字识别系统
 
 #### 项目概述
 
-构造一个能识别数字 0 到 9 的基于 KNN 分类器的手写识别系统。
+构造一个能识别数字 0 到 9 的基于 KNN 分类器的手写数字识别系统。
 
 需要识别的数字是存储在文本文件中的具有相同的色彩和大小：宽高是 32 像素 * 32 像素的黑白图像。
 
@@ -266,13 +286,13 @@ You will probably like this person: in small doses
 
 > 收集数据: 提供文本文件
 
-目录 trainingDigits 中包含了大约 2000 个例子，每个例子内容如下图所示，每个数字大约有 200 个样本；目录 testDigits 中包含了大约 900 个测试数据。
+目录 [trainingDigits](https://github.com/apachecn/MachineLearning/tree/master/input/2.KNN/trainingDigits) 中包含了大约 2000 个例子，每个例子内容如下图所示，每个数字大约有 200 个样本；目录 [testDigits](https://github.com/apachecn/MachineLearning/tree/master/input/2.KNN/testDigits) 中包含了大约 900 个测试数据。
 
 ![手写数字数据集的例子](/images/2.KNN/knn_2_handWriting.png)
 
-> 准备数据: 编写函数 img2vector(), 将图像格式转换为分类器使用的向量格式
+> 准备数据: 编写函数 img2vector(), 将图像文本数据转换为分类器使用的向量
 
-将图像转换为向量
+将图像文本数据转换为向量
 
 ```Python
 def img2vector(filename):
@@ -299,11 +319,13 @@ array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 1., 1., 1
 
 > 训练算法：此步骤不适用于 KNN
 
-> 测试算法：编写函数使用提供的部分数据集作为测试样本，测试样本与非测试样本的区别在于测试样本是已经完成分类的数据，如果预测分类与实际类别不同，则标记为一个错误
+因为测试数据每一次都要与全量的训练数据进行比较，所以这个过程是没有必要的。
+
+> 测试算法：编写函数使用提供的部分数据集作为测试样本，如果预测分类与实际类别不同，则标记为一个错误
 
 ```Python
 def handwritingClassTest():
-    # 1. 导入数据
+    # 1. 导入训练数据
     hwLabels = []
     trainingFileList = listdir('input/2.KNN/trainingDigits')  # load the training set
     m = len(trainingFileList)

src/python/2.KNN/kNN.py

@@ -242,6 +242,6 @@ def handwritingClassTest():
 
 
 if __name__ == '__main__':
-     test1()
+    # test1()
     # datingClassTest()
-    # handwritingClassTest()
+    handwritingClassTest()