基于KNN算法的約會網站配對模型的應用研究

劉淑英 鄒燕飛 李依橋 趙瑤瑤 王偉

摘要：約會網站數據量非常大，如何從眾多數據對象中，選擇適合自己的人群，成為數據分析中的一個研究問題。本文主要闡述了該模型的具體實現過程，主要包括數據采集、數據歸一化處理、構造算法模型、評估算法模型。通過采用實例數據集進行模型的訓練和測試，實驗結果表明：該模型能較準確的進行約會對象的匹配，測試誤差較小。

關鍵詞：機器學習;KNN算法;Python

中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2019）10-0128-02

0 引言

如今網站的快速發展，人們的生活和工作都離不開網絡。人們的生活節奏也在逐漸加快，工作越來越忙了。約會網站吸納了眾多的單身青年參與，積累了大量的用戶資源。而且我國廣大的上班族群體為約會網站提供了良好的用戶基礎[1]。一個好的約會網站可以帶動婚戀等多種產業的發展，但是目前的約會網站對約會對象的數據處理有時候不夠準確，約會配對成功率不夠高。通過對網站數據進行分析，采用KNN算法較好的完成約會配對，為網站用戶提供較好的服務。

1 KNN算法

KNN，也稱K-最近鄰居，是機器學習算法最簡單的一種[2-3]。它既可以用來分類，也可以是回歸方法。它把實例的特征向量作為輸入，再計算訓練集與新數據特征值之間的距離，之后選出距離k個最近的分類。如果k=1，最近鄰類就是待測數據。KNN算法主要涉及三個問題：距離度量，k值選擇和分類決策規則。我們最主要討論分類決策規則。分類決策規則就是指多數投票，或基于距離的加權投票。由輸入實例的k個鄰近訓練實例中的多數類別決定輸入實例的類別[4-5]。

2 模型實現

本模型使用的樣本數據一共有1000行，該模型采用80%的數據作為訓練集，20%的數據作為測試集來進行模型訓練，數據預處理使用的方法是歸一化。模型具體實現分為六個步驟，分別是采樣數據、樣本數據可視化、預處理、獲取模型、模型訓練、預測。我們的測試數據主要包括婚戀人員的特征，分別是年飛行常客里程數、玩視頻耗時百分比、周消耗冰激凌公升數，我們首先標記此部分數據，1代表一點也不喜歡，2代表有一點喜歡，3代表非常喜歡。為了更直觀的的理解樣本數據，數據采用Matplotlib庫進行繪圖分析，如圖1所示。

2.1 預處理

根據前面所述可知，三個特征值之間的差距有點大，所以在模型訓練之前，必須把數據放到同一量級，即數據預處理。本模型采用歸一化方法，目的是把不一樣的特征數據縮放到相同的一個相似區間中。

2.2 獲取模型

該部分功能是獲取模型，也就是構造KNN分類器。核心思想就是，如果一個樣本在特征空間中的k個最相似的樣本中的大多數屬于某一個類別，則該樣本也屬于這個類別。

該過程通過計算各個訓練數據與測試數據之間的距離，按照距離遞增關系排序，選取距離最小的k個點，確定k個點所在類別的出現頻率，返回前k個點中出現頻率最高的類別作為測試數據的預測分類。這樣就構造出了KNN分類器。

2.3 模型訓練

我們講1000個樣本數據劃分為訓練集和測試集，該部分的核心代碼如下所示。

for i in range（num_test_vecs）：

classifier_result = classify0（norm_mat[i， ：]， norm_mat[num_test_vecs：m， ：]，

dating_labels[num_test_vecs：m]， 4）

if classifier_result ！= dating_labels[i]：

error_count += 1.0

right_ratio = 1 - error_count / float（num_test_vecs）

2.4 樣例預測

該部分功能是對新數據進行預測分類，用戶輸入待約會對象的數據，預測出這條數據的分類，可以判斷喜歡程度。核心代碼如下。

def classify_main（）：

result_list = ['一點也不喜歡'， '有點喜歡'， '非常喜歡']

ff_miles = float（input（"每年獲得的飛行常客里程數："））

percent_tats = float（input（"玩視頻游戲所消耗時間百分比："））

ice_cream = float（input（"每周消費的冰淇淋公升數："））

dating_data_mat，dating_labels = init_data（）

norm_mat，diff_dt，min_value = feature_scaling（dating_data_mat）

in_arr = array（[ff_miles， percent_tats， ice_cream]）

classifier_result = classify0（（in_arr - min_value）/diff_dt， norm_mat， dating_labels， 3）

print（"你對這個人的喜歡程度："，result_list[classifier_result-1]）

3 結語

本文通過采用KNN算法對婚戀數據數據進行分析，采用Python數據可視化庫中的函數和Matplotlib庫完成對數據的分類。通過測試結果，可知，模型學習的準確率達到了92%，基本能夠滿足我們的要求。

參考文獻

[1] 黃鶴.關于我國婚戀網站網絡交友的研究[D].武漢：華中師范大學，2011.

[2] 石曉宇.基于Google App Engine的移動信息服務的研究[D].大連：大連理工大學，2011.

[3] 黎爽.基于Python科學計算包的金融應用實現[D].南昌：江西財經大學，2017.

[4] 胡元，石冰.基于區域劃分的KNN文本快速分類算法研究[J].計算機科學，2012，39（10）：182-186.

[5] 康春花，張淑君，李元白，等.KNN認知診斷法及其應用[J].江西師范大學學報（自然科學版），2019，43（02）：135-141+159.