scikit-learn机器学习笔记——k近邻算法

首页 » 算法 » 正文

k近邻算法

  定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近) 的样本中的大多数属于某一个类别,则该样本也属于这个类别。

  来源:KNN算法最早是由Cover和Hart提出的一种分类算法。

  计算距离公式:两个样本的距离可以通过如下公式计算,又叫欧式距离。

  比如说,a(a1,a2,a3),b(b1,b2,b3)。

(

a

1

b

1

)

2

+

(

a

2

b

2

)

2

+

(

a

3

b

3

)

2

/sqrt{(a 1-b 1)^{2}+(a 2-b 2)^{2}+(a 3-b 3)^{2}}

(a1b1)2+(a2b2)2+(a3b3)2

sklearn k-近邻算法API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm='auto')
• n_neighbors:int,可选(默认= 5),k_neighbors查询默认使用 的邻居数。
• algorithm:{‘auto’,‘ball_tree’,‘kd_tree’,‘brute’},可选用于计 算最近邻居的算法:‘ball_tree’将会使用 BallTree,‘kd_tree’将使 用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的 算法。 (不同实现方式影响效率)。

k近邻算法实例-预测入住位置

预测入住位置
scikit-learn机器学习笔记——k近邻算法

scikit-learn机器学习笔记——k近邻算法

实例流程:

1、数据集的处理
2、分割数据集
3、对数据集进行标准化
4、estimator流程进行分类预测

数据的处理

首先对数据进行以下处理:

1、缩小数据集范围

DataFrame.query() 

2、处理日期数据

pd.to_datetime pd.DatetimeIndex 

3、增加分割的日期数据
4、删除没用的日期数据 pd.drop
5、将签到位置少于n个用户的删除

place_count=data.groupby('place_id').aggregate(np.count_nonzero) 
tf = place_count[place_count.row_id > 3].reset_index()
data = data[data['place_id'].isin(tf.place_id)]

项目代码示例:

from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split

import pandas as pd




def knncls():
    """
    K-近邻预测用户签到位置
    :return:None
    """
    # 读取数据
    data = pd.read_csv("./train.csv")

    # print(data.head(10))

    # 处理数据
    # 1、缩小数据,查询数据晒讯
    data = data.query("x > 1.0 &  x < 1.25 & y > 2.5 & y < 2.75")

    # 处理时间的数据
    time_value = pd.to_datetime(data['time'], unit='s')

    print(time_value)

    # 把日期格式转换成 字典格式
    time_value = pd.DatetimeIndex(time_value)

    # 构造一些特征
    data['day'] = time_value.day
    data['hour'] = time_value.hour
    data['weekday'] = time_value.weekday

    # 把时间戳特征删除
    data = data.drop(['time'], axis=1)

    # 把签到数量少于n个目标位置删除
    place_count = data.groupby('place_id').count()

    tf = place_count[place_count.row_id > 3].reset_index()

    data = data[data['place_id'].isin(tf.place_id)]

    # 取出数据当中的特征值和目标值
    y = data['place_id']

    x = data.drop(['place_id'], axis=1)

    # 进行数据的分割训练集合测试集
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

    # 特征工程(标准化)
    std = StandardScaler()

    # 对测试集和训练集的特征值进行标准化
    x_train = std.fit_transform(x_train)

    x_test = std.transform(x_test)

    # 进行算法流程 # 超参数
    knn = KNeighborsClassifier()

    # fit, predict,score
    knn.fit(x_train, y_train)

    # 得出预测结果
    y_predict = knn.predict(x_test)

    print("预测的目标签到位置为:", y_predict)

    # 得出准确率
    print("预测的准确率:", knn.score(x_test, y_test))

    return None


if __name__ == '__main__':
    knncls()
预测的目标签到位置为: [1582523772 6399991653 1097200869 ... 2754348284 2327054745 8048985799]
预测的准确率: 0.41702127659574467

未经允许不得转载:作者:1495-冯同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《scikit-learn机器学习笔记——k近邻算法》 发布于2021-02-05

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录