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
- 由于数据量大,节约时间,x,y缩小(0<x<10,0<y<10)
- 时间戳进行格式化(年,月,日,周,时分秒),当做新的特征
- 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'