K近邻算法

最新推荐文章于 2023-01-01 18:05:22 发布

Batac_

最新推荐文章于 2023-01-01 18:05:22 发布

阅读量327

点赞数 1

分类专栏：机器学习数据分析 Python开发文章标签：机器血虚

本文链接：https://blog.csdn.net/Batac_Lee/article/details/103364824

版权

Python开发同时被 3 个专栏收录

51 篇文章 0 订阅

订阅专栏

机器学习

18 篇文章 0 订阅

订阅专栏

数据分析

12 篇文章 0 订阅

订阅专栏

数据分类:判断测试数据属于哪一类? (离散数据:特征值+目标值, 有监督学习)

# coding=utf-8
# k近邻算法
# 数据(目标值是离散的) 需要进行标准化,避免某一项特征对其他特征的影响  k值影响精度
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
import pandas as pd


def knncls():
    """
    K-近邻预测用户签到的位置
    :return:
    """
    print("*"*100)
    # 读取数据
    data = pd.read_csv("./data/FBlocation/train.csv")

    # print(data.head(10))
    # print(len(data))

    # 处理数据
    # 1.缩小数据(去掉无效数据) 查询数据
    data = data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")
    # print(data.head(10))
    # print(len(data))


    time_value = pd.to_datetime(data['time'], unit='s')

    # 把时间转换成天 小时 分钟 秒
    # print(time_value.head(10))

    time_value = pd.DatetimeIndex(time_value)
    # print(time_value)

    # 去掉时间,可以提高准确率到 %80 以上
    # data['day'] = time_value.day
    # data['weekday'] = time_value.weekday
    # data['hour'] = time_value.hour
    # data['minute'] = time_value.minute
    # data['second'] = time_value.second

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

    # 把签到数量少于n个目标位置的删除
    # 1.分组
    # 去掉边缘数据,会提高准备率
    place_count = data.groupby('place_id').count()
    # 去除不满足条件的数据,并且让索引变成一列数据
    tf = place_count[place_count.row_id > 3].reset_index()
    # 重新匹配data中包含在tf中的数据,
    data = data[data['place_id'].isin(tf.place_id)]
    # print(tf)


    # 1.取出数据中的特征值与目标值

    # 目标值
    y = data['place_id']
    # 特征值
    x = data.drop(['place_id'], axis=1)

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

    # 进行数据的分割集合测试机
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

    # 特征工程 标准化:放在同一数量级进行计算,互不影响有效性
    sd = StandardScaler()

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


    # 进行算法流程
    # k值很小: 容易受异常点影响
    # k值很大: 容易受数量(类别)波动影响

    knn = KNeighborsClassifier(n_neighbors=5)

    knn.fit(x_train, y_train)

    # 获取预测结果
    y_predict = knn.predict(x_test)

    print("预测的目标签到位置为: ", y_predict)

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

    return None


if __name__ == "__main__":
    knncls()

数据下载:https://www.kaggle.com/c/facebook-v-predicting-check-ins/data