机器学习算法基础（三）：k近邻算法

一、定义

k近邻算法用于分类：通过计算样本点和判别点之间的欧式距离，查看距离最小的k个样本点的所属类别，得出判别点的所属类别。
通俗意思就是，查看离判别点最近的k个邻居的所属类别，以少数服从多数的依据来判断其所属类别。

注：k近邻法需要对特征值进行标准化

二、API

sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’)

• n_neighbors为int类型的可选参数，默认为5，表示邻居数目；
• algorithm：{‘auto’,‘ball_tree’,‘kd_tree’,‘brute’}，表示计算最近邻居的算法

三、案例

（一）案例一：最优签到点

1.题目：已知许多人的签到坐标、时间和签到的准确率，预测老刘的最优签到点？
2.数据：https://www.kaggle.com/navoshta/grid-knn/data
3.文件说明：train.csv,test.csv
row id：签入事件的id
x y：坐标
accuracy: 准确度，定位精度
time: 时间戳
place_id: 签到的位置，这也是你需要预测的内容
4.分析：查看最近k个邻居的签到选择点，通过计算老刘与邻居行为之间的距离，以少数服从多数的原则得出老刘的最优签到点。
特征值：序号、所有邻居的坐标、签到时间、定位的准确率
目标值：所有邻居的签到位置id
操作步骤：获取数据、数据处理（缩小数据范围、时间戳进行（年月日周时分秒）的处理当作新的特征、删除少于某个签到人数的位置、去除不必要的特征）、特征处理（标准化）、

from sklearn.model_selection import train.test_split
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
#1.读取数据
pd.read_csv(./data/FBlocation/train.csv)

#2.处理数据
#2.1缩小数据
data.query("x>1.0 & x<1.25 & y>2.5 &y<2.75")
#2.2处理时间数据
time_value=pd.to_datetime(data['time'],unit='s')#把时间戳转换为年-月-日的格式
time_value=pd.DatetimeIndex(time_v