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：
计算
安全
数据库
网络和加速
企业服务
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。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
