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：

publicvoidTestNearestNeighbour(){vartrainingSet=newList<DataVector<double>>();vartestSet=newList<DataVector<double>>();//读取数据varfile=newStreamReader("breast-cancer-wisconsin.txt",Encoding.Default);for(inti=0;i<699;++i){stringline=file.ReadLine();varparts=line.Split(',');varp=newDataVector<double>(9);for(intj=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);elsetestSet.Add(p);}file.Close();//检验varnn=newNearestNeighbour();nn.Train(trainingSet);interror=0;foreach(varpintestSet){varlabel=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