ccc-机器学习算法基础-3

KNN API(预测入住位置)

在这里插入图片描述

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


def knncls():
    data = pd.read_csv("D:/BaiduNetdiskDownload/train.csv")
	#缩小数据范围
    data = data.query("x > 1.0 & x <1.25 & y > 2.5 & y < 2.75")
    #处理时间戳格式
    time_value = pd.to_datetime(data['time'],unit='s')
    time_value = pd.DatetimeIndex(time_value)
    data["day"] = time_value.day
    data["hour"] = time_value.hour
    data["weekday"] = time_value.weekday
    data = data.drop(['time'],axis=1)
    
    place_count = data.groupby('place_id').count()
	#继续缩小范围
    tf = place_count[place_count.row_id > 30].reset_index()
    data = data[data['place_id'].isin(tf.place_id)]
    data = data.drop(['row_id'], axis=1)
    y = data['place_id']
    x = data.drop(['place_id'],axis=1)
    x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.25)
	#标准化,提高准确率
    std = StandardScaler()
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)
	#调用API
    knn = KNeighborsClassifier(n_neighbors=5)
    knn.fit(x_train,y_train)
    y_predict = knn.predict(x_test)
    print("*****************")
    print("预测的目标签到位置:",y_predict)
    print("*****************")
    print("预测的准确率:",knn.score(x_test,y_test))
    return None

if __name__ == "__main__":
    knncls()

在这里插入图片描述

说明:
  • 时间戳类型的数据可以使用pandas中的to_datetime处理后再用DatetimeIndex分割
  • 提高准确率的方式:
    1.删除无关的列,如用于筛选的row_id
    2.标准化
    3.调整K值
    4.排除异常值
  • K值过小容易受异常点影响,K值过大容易受K值的数量波动影响
  • 对计算机的计算消耗较大
Bayes API (文章分类)
from sklearn.datasets import fetch_20newsgroups
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.model_selection import  train_test_split
from sklearn.naive_bayes import MultinomialNB

def naviebayes():
    news = fetch_20newsgroups(subset='all')
    x_train, x_test, y_train, y_test = train_test_split(news.data,news.target)

    tf = TfidfVectorizer()
    x_train = tf.fit_transform(x_train)
    x_test = tf.transform(x_test)

    mlt = MultinomialNB(alpha=1.0)
    mlt.fit(x_train, y_train)
    y_predict = mlt.predict(x_test)
    print("预测文章类别为:",y_predict)
    print("准确率:",mlt.score(x_test,y_test))



if __name__ == '__main__':
    naviebayes()

在这里插入图片描述

说明:
  • 朴素贝叶斯准确率主要与训练集有关,不容易通过调参得到比较好的提升
  • MultinomialNB()参数说明在这里插入图片描述
  • 平滑系数用来防止0结果的产生
  • 贝叶斯公式
    在这里插入图片描述
    P(F1,F2,…) 预测文档中每个词的概率
    P(C):每个文档类别的概率(某文档类别词数/总文档词数)
精确率和召回率
混淆矩阵 (多分类)

在这里插入图片描述
精确率:预测结果为正例样本中真实为正例的比例
在这里插入图片描述

召回率:真实为正例的样本中预测结果为正例的比例
在这里插入图片描述
F1-score:模型的稳健型
在这里插入图片描述

n折交叉验证:n等分所有数据

在这里插入图片描述
多次测试,取平均值

改良KNN(超参数搜索-网格搜索 Grid API)

当参数很过时,手动调整过程繁杂,所以需要对模型预设几种超参数组合。每组超参数都采用交叉验证来进行评估。最后选出最优参数组合建立模型。

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import  train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler

import pandas as pd


def knncls():
    data = pd.read_csv("D:/BaiduNetdiskDownload/train.csv")
    data = data.query("x > 1.0 & x <1.25 & y > 2.5 & y < 2.75")
    time_value = pd.to_datetime(data['time'],unit='s')
    time_value = pd.DatetimeIndex(time_value)
    data["day"] = time_value.day
    data["hour"] = time_value.hour
    data["weekday"] = time_value.weekday
    data = data.drop(['time'],axis=1)

    place_count = data.groupby('place_id').count()
    tf = place_count[place_count.row_id > 30].reset_index()
    data = data[data['place_id'].isin(tf.place_id)]
    data = data.drop(['row_id'], axis=1)
    y = data['place_id']
    x = data.drop(['place_id'],axis=1)
    x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.25)

    std = StandardScaler()
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)

    knn = KNeighborsClassifier()
    param = {"n_neighbors":[3,5,10]}
    gc = GridSearchCV(knn,param_grid=param,cv=2)
    gc.fit(x_train,y_train)

    print("在测试集上的准确率:",gc.score(x_test,y_test))
    print("在交叉验证中最好的结果:",gc.best_score_)
    print("最好模型:",gc.best_estimator_)
    print("每个超参数每次交叉验证的结果:",gc.cv_results_)
    return None

if __name__ == "__main__":
    knncls()

在这里插入图片描述

说明:
  • GridSearchCV()参数说明:
    在这里插入图片描述
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值