KNNクラシファイアがraspberrypi上のpythonで動作していない

Question

加速度計とジャイロスコープのデータからの文字認識のためにhereから取得したKNNクラシファイアを書いています。しかし、以下の機能は正しく動作せず、予測も行われていません。コード？親切に私を導く。

trainingset->トレーニングデータ20サンプル（10 = A、10 = B）。認識のために取ら

testset->ライブ読書。私の出力は

def compare(): 
    loaddataset() 
    testset.append(testdata) 
    print 'Train set: '+ repr(len(trainingset)) 
    print 'Test set: '+ repr(len(testset)) 
    predictions=[] 
    k = len(trainingset) 
    for x in range(len(testset)): 
      neighbours = getneighbours(trainingset,testset[x],k) 
      result = getresponse(neighbours) 
      predictions.append(result) 
      print('>Predicted=' +repr(result)+', actual=' + repr(testset[x][-1])) 
    accuracy = getaccuracy(testset, predictions) 
    print('Accuracy: '+repr(accuracy)+'%') 

ある

#-- KNN Classifier Functions ---------- 
def loaddataset(): 
    global trainingset 
    with open('imudata.csv','rb') as csvfile: 
      lines = csv.reader(csvfile) 
      dataset = list(lines) 
      for x in range(len(dataset)): 
        trainingset.append(dataset[x]) 

def euclideandistance(instance1,instance2,length): 
    distance = 0 
    for x in range(length-1): 
      instance1[x] = float(instance1[x]) 
      instance2[x] = float(instance2[x]) 
    for x in range(length-1): 
      distance += pow((instance1[x]-instance2[x]),2) 
    return math.sqrt(distance) 

def getneighbours(trainingset,testinstance,k): 
    distances = [] 
    length = len(testinstance)-1 
    for x in range(len(trainingset)): 
      dist = euclideandistance(testinstance, trainingset[x],length) 
      #print(trainingset[x][-1],dist) 
      distances.append((trainingset[x],dist)) 
    #print(distances) 
    distances.sort(key=operator.itemgetter(1)) 
    #print(distances) 
    neighbours = [] 
    print('k='+repr(k)+'length of distances='+repr(len(distances))) 
    for x in range(k): 
      neighbours.append(distances[x][0]) 
    return neighbours 

def getresponse(neighbours): 
    classvotes = {} 
    for x in range(len(neighbours)): 
      response = neighbours[x][-1] 
      if response in classvotes: 
        classvotes[response] += 1 
      else: 
        classvotes[response] = 1 
    sortedvotes = sorted(classvotes.iteritems(), key=operator.itemgetter(1), reverse=True) 
    return sortedvotes[0][0] 

def getaccuracy(testset, predictions): 
    correct = 0 
    for x in range(len(testset)): 
      if testset[x][-1] is predictions[x]: 
        correct +=1 
    return ((correct/float(len(testset))) * 100.0) 
#------- END of KNN Classifier Functions ------------- 

マイ比較主な機能はされ

Train set: 20 
Test set: 1 
k=20 length of distance=20 
>Predicted='A', actual='B' 
Accuracy: 0.0% 

私のサンプル・データ・パケット：

-1.1945864763443935e-16,1.0000000000000031,0.81335962823925234,1.2678119727931405,4.6396523259663871,3,1.0000000000000013,108240.99999999988,328.99999999999966,4.3008487686466931e-16,1.000000000000002,0.73006871826334618,0.88693535629714804,4.3903300136708818,15,1.0000000000000011,108240.99999999977,328.99999999999932,1.990977460573989e-16,1.0000000000000009,0.8120281400849243,1.3556881217171162,4.2839744646260876,9,1.0000000000000004,108240.99999999994,328.99999999999983,-3.4217816017322454e-16,1.0000000000000009,0.7842111273340705,1.0882622268942712,4.4762484049613418,4,1.0000000000000004,108241.00000000038,329.00000000000114,2.6996304550155782e-18,1.000000000000004,0.76504908035654873,1.1890598964371606,4.2138613873737967,7,1.000000000000002,108241.0000000001,329.00000000000028,7.154020705791282e-17,1.0,0.83945423805187047,1.4309844267934049,3.7008217934312198,6,1.0,108240.99999999983,328.99999999999949,-0.66014932688009009,0.48967404184734276,0.083592048161537938,A 

私は、ハードウェアから午前について多くを知りませんKNN、その理由は私が求めている私のコードに修正がある場合はg。hereというデータセットを追加しました。

Answer 1

私はあなたのデータからサンプルの数が非常に少ないことを確認できました。予測精度に影響を与える可能性のあるフィーチャの数とサンプル数が非常に高くなる必要があります。すべてを正しく予測することは期待できません。アルゴリズムは独自の精度を持っています。虹彩のような他のよく知られているデータセットを使ってこのコードの正しさをチェックしようとするか、scikit learn pythonの組み込みknnクラシファイアを使ってみてください。