2 电影类型分析:见下图
k = 1 爱情片
k = 2 爱情片
……
k = 6 无法确定
k = 7 动作片
如果取的最近的电影数量不一样?会是什么结果?
k 值取得过小,容易受到异常点的影响
k 值取得过大,样本不均衡的影响
结合前面的约会对象数据,分析K-近邻算法需要做什么样的处理
无量纲化的处理
标准化
由于异常数据和某些数据过大影响整体的分类,所以需要对数据无量纲化处理,使得数据鲁棒性高且公平
3.API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)
n_neighbors:k值
3.案例分析
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_iris():
"""
用KNN算法对鸢尾花进行分类
:return:
"""
# 1)获取数据
iris = load_iris()
# 2)划分数据集
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=22)
# 3)特征工程:标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
x_test = transfer.transform(x_test)
# 4)KNN算法预估器
estimator = KNeighborsClassifier(n_neighbors=3)
estimator.fit(x_train, y_train)
#相当于把训练集特征值和目标值的模型存在estimator中
# 5)模型评估
# 方法1:直接比对真实值和预测值
y_predict = estimator.predict(x_test)
#对测试集的特征值进行预测
print("y_predict:\n", y_predict)
print("直接比对真实值和预测值:\n", y_test == y_predict)
#将测试集的目标值与预测值进行比较
# 方法2:计算准确率
score = estimator.score(x_test, y_test)
#将测试集的数据和训练集数据进行比较计算,得到一个准确率
print("准确率为:\n", score)
return None
注意看训练测试时先看是train还是test,然后x是特征值,y是训练值