【机器学习】KNN预测年收入

import numpy as np
import pandas as pd 
from sklearn.neighbors import KNeighborsClassifier # 导入knn学习包

salary = pd.read\_csv("./adults.txt")
salary.head()  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806150826624-1480880366.png)

#样本数据的提取
y = salary\['salary'\]
X \= salary.iloc\[:,\[0,1,3,5,6,8,9,-2,-3\]\]
X.head()  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806150903415-786323650.png)

# 数据去重 用于下面函数的理解
u = X\['occupation'\].unique()
u  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806150926044-2070200122.png)

# np.argwhere此方法找到对应名称的索引
np.argwhere(u == "Exec-managerial")\[0,0\]  # np.argwhere  
  
X.columns\[2:-1\]  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806151003147-1450558348.png)

# 2:-1列的所有数据映射
for col in X.columns\[1:-1\]:  # 遍历所有类名
    
    u \= X\[col\].unique()  #  类似上面的u = X\['occupation'\].unique()  得出每个分类下面的种类名称
#     print(col)

    def convert(x):  # 将上面得出的u 进行索引映射
#         print(x)
        return np.argwhere(u == x)\[0,0\]  #  将上面得出的u 进行索引映射
    
    X\[col\] \= X\[col\].map(convert)  # 将上面得出的u 进行索引映射
    
X.head()  
  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806151032358-1833361325.png)

# 切分训练集跟测试集
from sklearn.model\_selection import train\_test\_split

X\_train,X\_test,y\_train,y\_test \= train\_test\_split(X,y,test\_size = 0.2)  # 切分
print(X\_train.shape,X\_test.shape,y\_train.shape,y\_test.shape)

![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806151157621-1006853718.png)

# 预测测试
knn = KNeighborsClassifier(n\_neighbors=8)

knn.fit(X\_train,y\_train)  # 计算公式
y\_ \= knn.predict(X\_test) # 预测值

from sklearn.metrics import accuracy\_score # 计算分类预测的准确率

# 求出预测准确率
accuracy = accuracy\_score(y\_test, y\_)

print("预测准确率: ", accuracy)  
![](https://img2020.cnblogs.com/blog/1781001/202008/1781001-20200806151210088-802068279.png)

总结：难度在于数据的预处理

最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

五、面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】