基于KNN的分类模型-预测美团外卖城市等级

最新推荐文章于 2022-07-11 13:07:37 发布

饮马长城窟

最新推荐文章于 2022-07-11 13:07:37 发布

阅读量1.7k

点赞数

分类专栏： python

本文链接：https://blog.csdn.net/junshan2009/article/details/88049895

版权

python 专栏收录该内容

20 篇文章 0 订阅

订阅专栏

需求介绍

美团有自己的城市等级，外卖依据其业务体量，重新划分了外卖的城市等级。这个城市根据其业务情况来划分的，比较详细。

现在有以下样本数据。

city_name	city_level	pnum	ddl
临汾	D2	**	**
南京	A	**	**
洛阳	C1	**	**
无锡	B1	**	**

其中分别是城市名，城市等级（D2,A,C1,B1,C2,D3,B2,S,D1），动销门店量，月订单量。现在需要fit一个模型，要求再增加新的城市可以给分出一个合适的城市等级。

数据探查

首先在空间描述点的聚集离散程度。

import plotly.plotly as py
import pandas as pd
import  plotly

plotly.tools.set_credentials_file(username='your name', api_key='KCwJWZXjfSJ65bhCvc')
df = pd.read_csv('d:/src/waimaiknn.csv')
print(df.head())
print(df['pnum'])
scatter = dict(
    mode = "markers",
    name = "y",
    type = "scatter3d",
    x = df['city_level'], y = df['pnum'], z = df['ddl'],
    marker = dict( size=2, color="rgb(23, 190, 207)" )
)
clusters = dict(
    alphahull = 7,
    name = "y",
    opacity = 0.1,
    type = "mesh3d",
    x=df['city_level'], y=df['pnum'], z=df['ddl']
)
layout = dict(
    title = '3d point clustering',
    scene = dict(
        xaxis = dict( zeroline=False ),
        yaxis = dict( zeroline=False ),
        zaxis = dict( zeroline=False ),
    )
)
fig = dict( data=[scatter, clusters], layout=layout )
# Use py.iplot() for IPython notebook
py.plot(fig, filename='3d point clustering')

输出见: https://plot.ly/~junshan2009/16/_3d-point-clustering/#/

看到x坐标轴上的各个点聚集程度较好。

要求把数据划分为训练集和测试集，训练出模型后，用测试集测试训练效果。

数据准备

from sklearn.preprocessing import LabelBinarizer
from sklearn.neighbors import KNeighborsClassifier
from sklearn import metrics
import pandas as pd
import numpy as np

df = pd.read_table("d:/src/waimaiknn.txt")
pnum = np.array(df['pnum'][:-10])
ddl = np.array(df['ddl'][:-10])
x_train = np.column_stack((pnum, ddl))
print(x_train)
y_train = np.array(df['city_level'][:-10])
print(y_train)
x_test = np.column_stack((np.array(df['pnum'][-10:]), np.array(df['ddl'][-10:])))
y_test = np.array(df['city_level'][-10:])

数据准备好后开始训练模型，并且选一个单例看看测试的效果

k = 3
clf = KNeighborsClassifier(n_neighbors=k)
clf.fit(x_train, y_train.reshape(-1))
dem1 = clf.predict(np.array([4576, 1611779]).reshape(1, -1))[0]
print('预测出的城市是', dem1, '级别')

单例出的结果正确，接下来我们评估模型的效果，分为准确度，精准度，召回率三个方面。

准确率，就是这个分类器预测准确的百分率

精准率一般存在于二元分类，比如预测是否得癌症，结果只有：癌症，没癌症。我们宁愿没癌症预测成了癌症，也不愿有癌症的给预测了没癌症。其中这个有癌症的被预测出来，而没有预测为没癌症就是精准率。

因为这个不是二元分类，所以本次不做精准率评估。

召回率，真正正向类被预测为正向类的比率。

y_pred = clf.predict(x_test)
print(x_test)
print(y_test)
print(y_pred)

print('这次预测的准确率是', metrics.accuracy_score(y_test, y_pred))
# print('这次预测的精准率', metrics.precision_score(y_test,y_pred,average=None))
# print('召回率',metrics.recall_score(y_test,y_pred))