机器学习——算法基础（KNN，朴素贝叶斯）

转换器与估计器

转换器

fit_transform()：输入数据，直接转换
fit()：输入数据，但不做事情
transform()：进行数据转换

估计器

sklearn机器学习算法的实现-估计器

在sklearn中，估计器(estimator)是一个重要的角色，分类器和回归器都属于estimator，是一类实现了算法的API

1、用于分类的估计器：
sklearn.neighbors k-近邻算法
sklearn.naive_bayes 贝叶斯
sklearn.linear_model.LogisticRegression 逻辑回归

2、用于回归的估计器：
sklearn.linear_model.LinearRegression 线性回归
sklearn.linear_model.Ridge 岭回归

估计器的工作流程

分类算法-k近邻算法(KNN)

什么是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。

来源：KNN算法最早是由Cover和Hart提出的一种分类算法

相似的样本，特征之间的值应该是相近的
注意：k近邻算法需要做标准化处理

sklearn k-近邻算法API

Kaggle案例

数据来源

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

数据处理

1. 由于数据量大，节约时间，x,y缩小（0<x<10,0<y<10）
2. 时间戳进行格式化（年，月，日，周，时分秒），当做新的特征
3. 几千~几万，少于指定签到人数的位置删除

代码与结果

import pandas as pd
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler

def knncls():
    """
    K 近邻预测用户签到位置
    :return: None
    """
    # 读取train数据
    data = pd.read_csv("E:/mldata/FBLocation/train.csv")
   # print(data.head(10))
    #处理数据

    #1.缩小数据，查询数据筛选
    data=data.query("x>1.0 & x<1.25 & y>2.5 & y<2.75")

    #2.处理时间的数据
    time_value=pd.to_datetime(data['time'],unit='s')
  #  print(time_value)
    # 把日期转换为字典格式
    time_value=pd.DatetimeIndex(time_value)

    # 构造特征
    data['day']=time_value.day
    data['hour']=time_value.hour
    data['weekday']=time_value.weekday

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

    #print(data)
    #把签到位置少于N个的位置删除
    place_count = data.groupby('place_id'