模型选择与调优（KNN）

一、交叉验证（cross validation）
将拿到的训练数据，分为训练和验证集。以下图为例:将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证。

二、超参数搜索-网格搜索
通常情况下，有很多参数是需要手动指定的(如k-近邻算法中的K值)， 这种叫超参数。但是手动过程繁杂，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。

k值	k=3	k=5	k=7
模型	模型1	模型2	模型3

三、模型选择与调优API

• sklearn.model_selection.GridSearchCV(estimator, param_grid=None,cv=None)
  • 对估计器的指定参数值进行详尽搜索
  • estimator:预估器对象
  • param_grid：预估器参数 (dict) {“n_neighbors”:[1, 3, 5]}
  • cv:指定几折交叉验证
  • fit(): 输入训练数据
  • score(): 准确率
  • 结果分析:
    • 最佳参数:best_params_
    • 最佳结果:best_score_
    • 最佳估计器:best_estimator_
    • 交叉验证结果:cv_results_

四、对前文中的鸢尾花实例进行选择调优

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV
def knn_iris_gscv():
    # 1)获取数据
    iris = load_iris()
    # 2) 划分数据集
    x_train, x_test, y_train, y_test=train_test_split(iris.data, iris.target,random_state=6)
    # 3) 特征工程：标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
    # 4) KNN算法预估流程
    estimator = KNeighborsClassifier()
    # 5) 网格搜索与交叉验证
    garam_data={"n_neighbors":[1,3,5,7,9,11]}
    estimator=GridSearchCV(estimator,garam_data,cv=10)

    estimator.fit(x_train,y_train)
    # 6) 模型评估
    #方法1 直接比对 真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对 真实值和预测值:\n", y_test==y_predict)
    #方法2 计算准确率
    score = estimator.score(x_test,y_test)
    print("准确率:\n",score)

    #最佳参数
    print("最佳参数：",estimator.best_params_)
    #最佳结果
    print("最佳结果：",estimator.best_score_)
    #最佳估计器
    print("最佳估计器：",estimator.best_estimator_)
    #交叉验证结果
    print("交叉验证结果：",estimator.cv_results_)
    
knn_iris_gscv()