算法k近邻和朴素贝叶斯

K近邻算法

通过“邻居”判断所述的类别



如何求距离呢：

为了防止某一个特征的数据数量太大，我们需要做标准化处理

K的取值：会影响最后的结果。
案例：




pandas处理时间戳

增加时间戳






P（科技|影院，支付宝，云计算） = P（影院，支付宝，云计算|科技）*P（科技）
= (8/100)(20/100)(63/100）(30/90) = 0.00456
P（娱乐|影院，支付宝，云计算） = P（影院，支付宝，云计算|娱乐）*P（娱乐）
= (56/121)(15/100)(0/121）(60/90) = 0

分类模型评估

混淆矩阵

分类模型评估API
sklearn.metrics.classification_report

交叉验证和网格搜索对K近邻算法调优

交叉验证：为了让被评估的模型更加准信可信
把所有数据分成N等分。让其中一个当成验证集，其他的都是数据集

所有的数据都做过训练集，也做过测试集，求均值。这样得到的结果更加准确。
当K=1.5.7.10不同的值，每次取值都进行一次交叉验证。

网格搜索：调参数 K-近邻：超参数K

和调节音响一样，总有一个点，使得结果最好

最长用的是十折交叉验证
如果一个算法中有2个超参数，就进行两两组合。
比如a[2,3,5,8,10],b[20,70,80],两两组合，就有15种组合方式
超参数搜索-网格搜索api：

这个api代表了网格搜索和交叉验证一起使用

只要把它放到GridSearchCV，就不用fit，score了