Sklearn学习之K-近邻算法

KNN算法最早是由Cover和Hart提出的一种分类算法。

机器学习的一般流程

机器学习算法分类

1、监督学习

• 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络

• 回归 线性回归、岭回归

• 标注 隐马尔可夫模型 (不做要求)

2、无监督学习

• 聚类 k-means

分类算法-k近邻算法(KNN)

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。

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)

sklearn k-近邻算法

APIsklearn.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)

存在问题

1、k值取多大？有什么影响？

• k值取很小：容易受异常点影响

• k值取很大：容易受最近数据太多导致比例变化

2、性能影响

• 不适合超大数据类型

k-近邻算法优缺点

优点：

• 简单，易于理解，易于实现，无需估计参数，无需训练

缺点：

• 懒惰算法，对测试样本分类时的计算量大，内存开销大

• 必须指定K值，K值选择不当则分类精度不能保证

代码实现

from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
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("./data/FBlocation/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)

    print(data)

    # 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))

打赏