机器学习之KNN算法(三)

最新推荐文章于 2024-07-20 17:10:09 发布
最新推荐文章于 2024-07-20 17:10:09 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： 近邻算法 文章标签： KNN 回归 分类 参数调优 年收入预测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_57021623/article/details/124233396
版权 
import numpy as np
import matplotlib.pyplot as plt


from sklearn.neighbors import KNeighborsRegressor

x = np.linspace(0,5,num=40)
y = np.sin(x)

plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x5a83d30>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SOlIH17V-1650189375296)(output_1_1.png)]

x = np.linspace(0,5,num=40)
y = np.sin(x)
y[::2] += np.random.random(size=20)

plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x6525350>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hklF66Vs-1650189375298)(output_2_1.png)]

x = np.linspace(0,5,num=40)
y = np.sin(x)
y[::2] += np.random.uniform(-0.5,0.5,size=20)

plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x695c9f0>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-xpd4KnT8-1650189375300)(output_3_1.png)]

x = np.linspace(0,5,num=40)
y = np.sin(x)
# 添加随机种子，固定随机数
y[::2] += np.random.uniform(-0.5,0.5,size=20)

plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x6a79cb0>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-opeNctR9-1650189375301)(output_4_1.png)]

# 1.分类模型：离散值
# 2.回归模型：连续值
knn_r = KNeighborsRegressor(n_neighbors=5)
knn_r.fit(x.reshape(-1,1),y)

KNeighborsRegressor(algorithm='auto', leaf_size=30, metric='minkowski',
                    metric_params=None, n_jobs=None, n_neighbors=5, p=2,
                    weights='uniform')

x2 = np.linspace(0,5,num=100)
# 预测的特征集(除了目标之外的数据)  列数同训练的特征集的形状保持一致
y2 = knn_r.predict(x2.reshape(-1,1))  

plt.scatter(x,y)
plt.plot(x2,y2,c='red')
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MzcUGMH1-1650189375303)(output_7_0.png)]

ks = [3,4,7,9,11,13]    # 声明6种不同邻近数量

plt.figure(figsize=(20,12))
for i,k in enumerate(ks):
    plt.subplot(2,3,i+1)
    plt.title(f'Neighbors:{k}',size=20)
    
    knn_r.set_params(n_neighbors=k)
    knn_r.fit(x.reshape(-1,1),y)
    y2 = knn_r.predict(x2.reshape(-1,1))
    
    plt.scatter(x,y)
    plt.plot(x2,y2,c='red')
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-izPsjE3o-1650189375305)(output_8_0.png)]

KNN之年收入预测

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
加载数据
  • data/adults.txt
adults = pd.read_csv('data/adults.txt')
adults.head()
ageworkclassfinal_weighteducationeducation_nummarital_statusoccupationrelationshipracesexcapital_gaincapital_losshours_per_weeknative_countrysalary
039State-gov77516Bachelors13Never-marriedAdm-clericalNot-in-familyWhiteMale2174040United-States<=50K
150Self-emp-not-inc83311Bachelors13Married-civ-spouseExec-managerialHusbandWhiteMale0013United-States<=50K
238Private215646HS-grad9DivorcedHandlers-cleanersNot-in-familyWhiteMale0040United-States<=50K
353Private23472111th7Married-civ-spouseHandlers-cleanersHusbandBlackMale0040United-States<=50K
428Private338409Bachelors13Married-civ-spouseProf-specialtyWifeBlackFemale0040Cuba<=50K

一次性将非数值的列转化为数值列

columns = adults.dtypes
columns

age                int64
workclass         object
final_weight       int64
education         object
education_num      int64
marital_status    object
occupation        object
relationship      object
race              object
sex               object
capital_gain       int64
capital_loss       int64
hours_per_week     int64
native_country    object
salary            object
dtype: object

for column in adults.columns[adults.dtypes == np.object]:
    display(adults[column].unique())

array(['State-gov', 'Self-emp-not-inc', 'Private', 'Federal-gov',
       'Local-gov', '?', 'Self-emp-inc', 'Without-pay', 'Never-worked'],
      dtype=object)



array(['Bachelors', 'HS-grad', '11th', 'Masters', '9th', 'Some-college',
       'Assoc-acdm', 'Assoc-voc', '7th-8th', 'Doctorate', 'Prof-school',
       '5th-6th', '10th', '1st-4th', 'Preschool', '12th'], dtype=object)



array(['Never-married', 'Married-civ-spouse', 'Divorced',
       'Married-spouse-absent', 'Separated', 'Married-AF-spouse',
       'Widowed'], dtype=object)



array(['Adm-clerical', 'Exec-managerial', 'Handlers-cleaners',
       'Prof-specialty', 'Other-service', 'Sales', 'Craft-repair',
       'Transport-moving', 'Farming-fishing', 'Machine-op-inspct',
       'Tech-support', '?', 'Protective-serv', 'Armed-Forces',
       'Priv-house-serv'], dtype=object)



array(['Not-in-family', 'Husband', 'Wife', 'Own-child', 'Unmarried',
       'Other-relative'], dtype=object)



array(['White', 'Black', 'Asian-Pac-Islander', 'Amer-Indian-Eskimo',
       'Other'], dtype=object)



array(['Male', 'Female'], dtype=object)



array(['United-States', 'Cuba', 'Jamaica', 'India', '?', 'Mexico',
       'South', 'Puerto-Rico', 'Honduras', 'England', 'Canada', 'Germany',
       'Iran', 'Philippines', 'Italy', 'Poland', 'Columbia', 'Cambodia',
       'Thailand', 'Ecuador', 'Laos', 'Taiwan', 'Haiti', 'Portugal',
       'Dominican-Republic', 'El-Salvador', 'France', 'Guatemala',
       'China', 'Japan', 'Yugoslavia', 'Peru',
       'Outlying-US(Guam-USVI-etc)', 'Scotland', 'Trinadad&Tobago',
       'Greece', 'Nicaragua', 'Vietnam', 'Hong', 'Ireland', 'Hungary',
       'Holand-Netherlands'], dtype=object)



array(['<=50K', '>50K'], dtype=object)

for column in adults.columns[adults.dtypes == np.object]:
    display({v:i for i,v in enumerate(adults[column].unique())})

{'State-gov': 0,
 'Self-emp-not-inc': 1,
 'Private': 2,
 'Federal-gov': 3,
 'Local-gov': 4,
 '?': 5,
 'Self-emp-inc': 6,
 'Without-pay': 7,
 'Never-worked': 8}



{'Bachelors': 0,
 'HS-grad': 1,
 '11th': 2,
 'Masters': 3,
 '9th': 4,
 'Some-college': 5,
 'Assoc-acdm': 6,
 'Assoc-voc': 7,
 '7th-8th': 8,
 'Doctorate': 9,
 'Prof-school': 10,
 '5th-6th': 11,
 '10th': 12,
 '1st-4th': 13,
 'Preschool': 14,
 '12th': 15}



{'Never-married': 0,
 'Married-civ-spouse': 1,
 'Divorced': 2,
 'Married-spouse-absent': 3,
 'Separated': 4,
 'Married-AF-spouse': 5,
 'Widowed': 6}



{'Adm-clerical': 0,
 'Exec-managerial': 1,
 'Handlers-cleaners': 2,
 'Prof-specialty': 3,
 'Other-service': 4,
 'Sales': 5,
 'Craft-repair': 6,
 'Transport-moving': 7,
 'Farming-fishing': 8,
 'Machine-op-inspct': 9,
 'Tech-support': 10,
 '?': 11,
 'Protective-serv': 12,
 'Armed-Forces': 13,
 'Priv-house-serv': 14}



{'Not-in-family': 0,
 'Husband': 1,
 'Wife': 2,
 'Own-child': 3,
 'Unmarried': 4,
 'Other-relative': 5}



{'White': 0,
 'Black': 1,
 'Asian-Pac-Islander': 2,
 'Amer-Indian-Eskimo': 3,
 'Other': 4}



{'Male': 0, 'Female': 1}



{'United-States': 0,
 'Cuba': 1,
 'Jamaica': 2,
 'India': 3,
 '?': 4,
 'Mexico': 5,
 'South': 6,
 'Puerto-Rico': 7,
 'Honduras': 8,
 'England': 9,
 'Canada': 10,
 'Germany': 11,
 'Iran': 12,
 'Philippines': 13,
 'Italy': 14,
 'Poland': 15,
 'Columbia': 16,
 'Cambodia': 17,
 'Thailand': 18,
 'Ecuador': 19,
 'Laos': 20,
 'Taiwan': 21,
 'Haiti': 22,
 'Portugal': 23,
 'Dominican-Republic': 24,
 'El-Salvador': 25,
 'France': 26,
 'Guatemala': 27,
 'China': 28,
 'Japan': 29,
 'Yugoslavia': 30,
 'Peru': 31,
 'Outlying-US(Guam-USVI-etc)': 32,
 'Scotland': 33,
 'Trinadad&Tobago': 34,
 'Greece': 35,
 'Nicaragua': 36,
 'Vietnam': 37,
 'Hong': 38,
 'Ireland': 39,
 'Hungary': 40,
 'Holand-Netherlands': 41}



{'<=50K': 0, '>50K': 1}

all_column_map = {}  # 留存
for column in adults.columns[adults.dtypes == np.object]:
    column_map = {v:i for i,v in enumerate(adults[column].unique())}
    all_column_map[column] = column_map
    adults.loc[:,f'{column}'] = adults[column].map(column_map)
    
adults.head()
ageworkclassfinal_weighteducationeducation_nummarital_statusoccupationrelationshipracesexcapital_gaincapital_losshours_per_weeknative_countrysalary
03907751601300000217404000
15018331101311100001300
23822156461922000004000
35322347212712110004000
428233840901313211004010
adults.dtypes

age               int64
workclass         int64
final_weight      int64
education         int64
education_num     int64
marital_status    int64
occupation        int64
relationship      int64
race              int64
sex               int64
capital_gain      int64
capital_loss      int64
hours_per_week    int64
native_country    int64
salary            int64
dtype: object

删除相关的列

  • final_weight
  • capital_gain
  • education_num
adults.drop(columns =['final_weight','capital_gain','education_num'],inplace=True)
adults.head()
ageworkclasseducationmarital_statusoccupationrelationshipracesexcapital_losshours_per_weeknative_countrysalary
039000000004000
150101110001300
238212200004000
353221211004000
428201321104010

将salary做为目标

all_column_map['salary']

{'<=50K': 0, '>50K': 1}

adults.loc[:,'salary'] = adults['salary'].map({ v:k for k,v in all_column_map['salary'].items()})
adults.head()
ageworkclasseducationmarital_statusoccupationrelationshipracesexcapital_losshours_per_weeknative_countrysalary
03900000000400<=50K
15010111000130<=50K
23821220000400<=50K
35322121100400<=50K
42820132110401<=50K

提取样本集

  • 特征集数据 data
  • 目标集数据 target
data = adults.iloc[:,:-1].values
target = adults.iloc[:,-1].values
display(data.shape,target.shape)

(32561, 11)



(32561,)

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split as split

X_train,X_test,y_train,y_test = split(data,target,random_state=100,test_size=0.2)
# 创建模型
knn = KNeighborsClassifier()
# 训练
knn.fit(X_train,y_train)
# 查看得分
knn.score(X_test,y_test)

0.8002456625211116

# 分别用不同的邻近数量进行训练
for k in [3,5,7,9,11]:
    knn.set_params(n_neighbors=k)
    knn.fit(X_train,y_train)
    score = knn.score(X_test,y_test)
    print(k,score)

3 0.7925687087363734
5 0.8002456625211116
7 0.8036235221863964
9 0.8036235221863964
11 0.7984031936127745

# 加权重
for k in [3,5,7,9,11]:
    for weight in ['uniform','distance']:
        knn.set_params(n_neighbors=k,weights=weight)
        knn.fit(X_train,y_train)
        score = knn.score(X_test,y_test)
        print(k,weight,score)

3 uniform 0.7925687087363734
3 distance 0.7893443881467833
5 uniform 0.8002456625211116
5 distance 0.796714263780132
7 uniform 0.8036235221863964
7 distance 0.799324428066943
9 uniform 0.8036235221863964
9 distance 0.7999385843697221
11 uniform 0.7984031936127745
11 distance 0.7974819591586059

for k in [6,7,8,9,13,15]:
    for weight in ['uniform','distance']:
        knn.set_params(n_neighbors=k,weights=weight)
        knn.fit(X_train,y_train)
        score = knn.score(X_test,y_test)
        print(k,weight,score)

6 uniform 0.8070013818516812
6 distance 0.7984031936127745
7 uniform 0.8036235221863964
7 distance 0.799324428066943
8 uniform 0.8031629049593122
8 distance 0.8017810532780593
9 uniform 0.8036235221863964
9 distance 0.7999385843697221
13 uniform 0.8016275142023646
13 distance 0.7985567326884692
15 uniform 0.7977890373099954
15 distance 0.7997850452940273

model =None
max_score = 0
for k in [6,7,8,9,13,15]:
    for weight in ['uniform','distance']:
        knn = KNeighborsClassifier(n_neighbors=k,weights=weight)
        knn.fit(X_train,y_train)
        score = knn.score(X_test,y_test)
        print(k,weight,score)
        
        if score > max_score:
            model = knn
            max_score = score

6 uniform 0.8070013818516812
6 distance 0.7984031936127745
7 uniform 0.8036235221863964
7 distance 0.799324428066943
8 uniform 0.8031629049593122
8 distance 0.8017810532780593
9 uniform 0.8036235221863964
9 distance 0.7999385843697221
13 uniform 0.8016275142023646
13 distance 0.7985567326884692
15 uniform 0.7977890373099954
15 distance 0.7997850452940273

max_score

0.8070013818516812

model

KNeighborsClassifier(algorithm='auto', leaf_size=30, metric='minkowski',
                     metric_params=None, n_jobs=None, n_neighbors=6, p=2,
                     weights='uniform')

查看’>50k’的平均年龄

adults.query('salary == ">50K"')['age'].mean()

44.24984058155847

查看’>50k’的最小年龄

adults.query('salary == ">50K"')['age'].min()

19

查看’>50k’的最大年龄

adults.query('salary == ">50K"')['age'].max()

90

查看’>50k’的年龄标准差

adults.query('salary == ">50K"')['age'].std()

10.51902771985177

# 查询年龄为19的大于50k的关系
adults.query('age ==19 & salary == ">50K"').shape

(2, 12)

adults.query('age ==19 & salary == ">50K"')
ageworkclasseducationmarital_statusoccupationrelationshipracesexcapital_losshours_per_weeknative_countrysalary
77411928040000600>50K
22910195151115010400>50K
# 查看工作类型
all_column_map['workclass']

{'State-gov': 0,
 'Self-emp-not-inc': 1,
 'Private': 2,
 'Federal-gov': 3,
 'Local-gov': 4,
 '?': 5,
 'Self-emp-inc': 6,
 'Without-pay': 7,
 'Never-worked': 8}

# 查看学历
all_column_map['education']

{'Bachelors': 0,
 'HS-grad': 1,
 '11th': 2,
 'Masters': 3,
 '9th': 4,
 'Some-college': 5,
 'Assoc-acdm': 6,
 'Assoc-voc': 7,
 '7th-8th': 8,
 'Doctorate': 9,
 'Prof-school': 10,
 '5th-6th': 11,
 '10th': 12,
 '1st-4th': 13,
 'Preschool': 14,
 '12th': 15}

# 查看岗位
all_column_map['occupation']

{'Adm-clerical': 0,
 'Exec-managerial': 1,
 'Handlers-cleaners': 2,
 'Prof-specialty': 3,
 'Other-service': 4,
 'Sales': 5,
 'Craft-repair': 6,
 'Transport-moving': 7,
 'Farming-fishing': 8,
 'Machine-op-inspct': 9,
 'Tech-support': 10,
 '?': 11,
 'Protective-serv': 12,
 'Armed-Forces': 13,
 'Priv-house-serv': 14}

# 查看性别
all_column_map['sex']

{'Male': 0, 'Female': 1}

# 查看种族
all_column_map['race']

{'White': 0,
 'Black': 1,
 'Asian-Pac-Islander': 2,
 'Amer-Indian-Eskimo': 3,
 'Other': 4}

查看’>50K’的工作时长(最大，最小，平均)

for f in [np.min,np.max,np.mean]:
    print(f.__name__,f(adults.query('salary == ">50K"')['hours_per_week']))

amin 1
amax 99
mean 45.473026399693914

adults.query('salary == ">50K" & hours_per_week == 1')
ageworkclasseducationmarital_statusoccupationrelationshipracesexcapital_losshours_per_weeknative_countrysalary
189580913100010>50K
200726551111100010>50K

查看’>50K’的男女的比例

pd.crosstab(adults.salary,adults.sex)
sex01
salary
<=50K151289592
>50K66621179
6662 / 1179

5.650551314673452

pd.crosstab(adults.salary,adults.education).rename(columns = { v:k for k,v in all_column_map['education'].items()})
educationBachelorsHS-grad11thMasters9thSome-collegeAssoc-acdmAssoc-voc7th-8thDoctorateProf-school5th-6th10th1st-4thPreschool12th
salary
<=50K3134882611157644875904802102160610715331787116251400
>50K22211675609592713872653614030642316626033

生成预测数据

data.shape

(32561, 11)

test1 = np.array([
    33,  # 年龄
    2,   # 工作单位类型
    1,   # 教育程度
    4,   # 婚姻状态
    1,   # 岗位
    1,   # 家庭关系
    0,   # 种族
    0,   # 性别
    0,   # 损失
    45,  # 每周工作时长
    0    # 国家
])
test1.shape

(11,)

# 预测结果
model.predict(test1.reshape(1,-1))

array(['<=50K'], dtype=object)
今晚务必早点睡
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Azure机器学习入门（三）创建Azure机器学习实验
tmchongye的专栏
03-20 7708
下载、处理和上传收入普查的数据集；创建一个新的Azure机器学习实验；训练和评价一个预测模型； 从公共资源库下载数据集   在开发预测分析收入水平模型时，我们使用UCI 机器学习资源库的成人收入普查数据。数据集地下载链接为http://archive.ics.uci.edu/ml/datasets/Census+Income。该网站包含下载数据文件的链接，您可将adult.dat
机器学习（KNN算法）
wo4754090的博客
06-03 402
1.KNN工作原理 简单地说，谷近邻算法采用测量不同特征值之间的距离方法进行分类。 存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输人没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近 邻）的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这
机器学习实战 - k近邻算法（KNN算法）总结
04-12
机器学习实战 - k近邻算法（KNN算法）总结 适合机器学习实战入门新手 K-近邻算法，又称为 KNN 算法，是数据挖掘技术中原理最简单的算法。 KNN 的工作原理：给定一个已知类别标签的数据训练集，输入没有标签的新数据后，在训练数据集中找到与新数据最临近的 K 个实例。如果这 K 个实例的多数属于某个类别，那么新数据就属于这个类别。 优点 1简单好用，容易理解，精度高，理论成熟，即可以用来做分类也可以用来做回归 2可用于数值型数据和离散型数据 3无数据输入假定 4适合对稀有事件进行分类 缺点 1计算复杂性高；空间复杂性高 2计算量太大，所以一般数值很大的时候不用这个，但是单个样本又不能太少，否则容易发生误分 3样本不平衡问题（即某些类别的样本数量很多，某些类别的样本数量很少） 4可理解性比较差，无法给出数据的内在含义
机器学习-KNN算法实现
11-02
机器学习knn算法实现，工程使用pycharm建立，包括机器学习实战的代码和自己重写的部分代码，增加部分函数的使用方法介绍。
机器学习Sklearn实战——决策树算法
Grateful_Dead424的博客
10-29 696
sklearn-str类型数据量化操作 OrdinalEncoder import numpy as np import pandas as pd from sklearn.neighbors import KNeighborsClassifier from sklearn.preprocessing import OrdinalEncoder,OneHotEncoder,LabelEncoder salary = pd.read_csv("/Users/zhucan/Desktop/salary.
Python运用决策树方法和随机预测一个人的收入水平
crj0926的博客
02-08 2975
一.数据集来源 http://archive.ics.uci.edu/ml/datasets/Adult 该数据集是美国1994年人口普查数据库，预测任务是确定一个人的年收入是否超过5万美元。该数据集有以下指标，并且有缺失项。 二.方法 决策树方法和随机森林方法 三.步骤 要对数据进行处理，删除缺失数据，然后对特征进行赋值，变换成哑变量。 举一个例子： Edu 值 Prescho...
[四]机器学习之支持向量机SVM
柚子君的小窝
10-14 3513
4.1 实验数据 本数据集来源于UCI的Adult数据集，并对其进行处理得到的。数据集下载地址：http://archive.ics.uci.edu/ml/datasets/Adult。本实验使用LIBSVM包对该数据进行分类。 原始数据集每条数据有14个特征，分别为age,workclass,fnlwgt(final weight),education,education-num,mar...
机器学习实例（3)
lwj的小站
08-19 3067
接上节机器学习实例2 上一节我们对所要处理的数据进行了分类（训练集和测试集），本节的主要目的是特征处理，关于数据集的特征信息我们已经在上一节详细介绍，这次直接进行处理： from sklearn.feature_extraction import DictVectorizer dict_vect=DictVectorizer(sparse=False) 以上代码的目的： 接着 X_t...
机器学习之KNN算法
LJBXE的博客
03-20 565
机器学习之KNN算法 ——近朱者赤，近墨者黑 KNN算法概述 KNN的全称是K Nearest Neighbors，意思是K个最近的邻居，也叫作邻近算法 核心思想： KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别 kNN是一种常见的监督学习方法。工作机制简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k各训练样本，然后基于这k个“邻居”的信息来进行预测，通常，在分类任务中可使用“投票法”，即选择这k个样本中出现最多的类别标记作为预测结果；在回归任
机器学习-kNN算法
12-15
kNN，全称为K最近邻（K-Nearest Neighbors），是机器学习领域中最基础且直观的算法之一。它属于监督学习方法，主要用于分类和回归问题。kNN算法基于一个简单的思想：未知类别的样本可以被分类为其最近的k个已知类别...
python机器学习之KNN分类算法
09-20
【KNN分类算法详解】 KNN（K-Nearest Neighbors）分类算法是监督学习中的一个基础算法，尤其在机器学习领域中广泛应用。...同时，理解和掌握KNN算法对于深入理解其他机器学习算法也是非常有帮助的。
机器学习算法之KNN算法实现.zip
04-20
综上所述，KNN算法是机器学习中一种基础且实用的分类方法，尽管存在一些局限性，但通过适当的优化和调整，仍然能在多种场景下发挥重要作用。在实际应用中，我们需要结合具体问题来选择合适的距离度量、K值，并考虑...
机器学习实例----美国人口收入分析
lwj的小站
03-23 8334
Sklearn–(1) 原创不易，如需转载，请标明出处。 首先通过官网的图片简单了解Sklearn： 可以看到他的主要作用有：分类，回归，聚类，降维，模型选择，预处理。 今天我将利用Adult数据集进行演示。 Adult 该数据从美国1994年人口普查数据库抽取而来，可以用来预测居民收入是否超过50k/year。该数据集类变量为年收入是否超过50k，属性变量包含年龄，工种，学历，职...
对数据集进行k匿名（k-Anonymity）处理（python）——以adult数据集为例
note_online
10-13 6771
k匿名需要满足的条件就是，对于准标识符的任意组合，搜索出来的结果都需要至少有k条。 Adult数据集（即“人口普查收入”数据集），由美国人口普查数据集库 抽取而来，其中共包含48842条记录，年收入大于50k美元的占比23.93%，年收入小于50k美元的占比76.07%，并且已经划分为训练数据32561条和测试数据16281条。 该数据集类变量为年收入是否超过50k美元，属性变量包括年龄、工种、学历、职业等 14类重要信息，其中有8类属于类别离散型变量，另外6类属于数值连续型变量。该数据集是一个分类数据集，
深入浅出python机器学习_6.3.1_随机森林实例——要不要和相亲对象进一步发展
Dontla的博客
08-02 1314
# 6.3.1 数据集的准备 import pandas as pd data=pd.read_csv('adult.csv',header=None,index_col=False, names=['年龄','单位性质','权重','学历','受教育时长', '婚姻状况','职业','家庭状况','种族','性别'...
基于人口普查数据的收入预测模型构建及比较分析(Python数据分析分类器模型实践）
热门推荐
博客
07-09 2万+
收入是反映人民生活水平和国家经济发展状况的重要指标，改善收入水平，提高生活质量是各国政府和人民共同的奋斗目标。探索收入的影响因素，不仅对国家具有重要意义，对个人提升自我，企业识别目标消费群体也具有重要的参考价值。为了研究年龄、受教育程度、职业等诸多因素对个体收入的影响，本文以UCI Machine Learning Repository网站提供的人口普查数据作为数据样本，遵循CRISP-DM的数据挖掘流程，对数据中可能存在的规律进行探索和分析，构建决策树、Logistic回归、K近邻、线性支持向量机、随机森
《python机器学习基础教程》代码实现K近邻
m0_57822474的博客
11-17 1065
K近邻分类与回归
【机器学习】FastGPT 知识库搜索测试功能解析
最新发布
Linux猿
07-20 561
搜索测试功能包含三种类型：语义检索、全文检索、混合检索。使用向量进行文本相关性查询，即调用向量数据库根据向量的相似性检索；使用传统的全文检索，适合查找一些关键词和主调语特殊的数据；使用向量检素与全文检素的综合结果返回，使用RRF算法进行排序。默认情况下使用语义检索，如下所示。搜索测试前可以根据“知识库搜索配置”进行相关参数的配置，例如：搜索模式、搜索过滤、问题优化等。
头哥机器学习之knn算法
04-18
头哥机器学习是一个知名的机器学习教育平台，提供了丰富的机器学习算法和实践案例。其中，K最近邻算法（K-nearest neighbors，简称KNN）是一种常用的分类和回归算法。 KNN算法的基本思想是：对于一个未知样本，通过...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

今晚务必早点睡

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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