k-近邻算法-My way of ML6

最新推荐文章于 2024-05-27 10:20:44 发布
最新推荐文章于 2024-05-27 10:20:44 发布
阅读量151 收藏
点赞数
分类专栏： 机器学习，深度学习，AI
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/qq_34788903/article/details/83243752
版权

用你的邻居来判断你的类型

如果一个样本在特征空间中的k个最近似的样本中大多数数以一个类别，则该样本也属于这个类别

*计算公式：欧式公式

k-近邻算法需要做标准化处理

还记得标准化归一化吗？什么时候用标准化呢？标准化

API：sklearn.nerhbors.KNerghborsClassifier(n_nerghbors=5)

下面我们做一个实例

facebook签到事件预测，这个数据集在kaggle上，自行下载

首先我们打印一下数据观察有哪些数据项
在这里插入图片描述
有行id，xy轴坐标，准确度，时间戳，签到地点id

我们把这些数据项划分成特征值和目标值，特征值就是我们判断依据，目标值就是我们的判断结果，显而易见，place_id是目标值，我们可以把xy轴和时间戳当作是特征值。

处理时间戳
在这里插入图片描述

再来就是我们最好能减少数据量

在这里插入图片描述

分割训练集和测试集
在这里插入图片描述

对训练集和测试集的特征值进行标准化，因为是分类问题，所以目标值是离散的，不用标准化
在这里插入图片描述

在这里插入图片描述
先实例化估计器，得到预测结果准确率，运行如下在这里插入图片描述

SpecYue
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用sktime进行时间序列分类第2部分
weixin_26704853的博客
09-04 1741
Note: This article is part 2 in the series of learning sktime. If you have not already read part 1 of this blog post, I highly recommend you guys to go and complete that article first if you want to u...
模型选择与调优--My way of ML9
spec_yue
10-22 134
一：交叉验证 目的：为了让被评估的模型更加准确可信，是一种验证方法 步骤： 所有数据分成n等分，第一份作为测试集，其他作为验证集 。。。。。。。。。。。二。。。。。。。。。。。。。。 。。。。。。。。。。。。。。。。。。。。。。。。。 所有模型的准确率求平均值 二：网格搜索 目的：选择参数 通常很多需要手动指定的参数都是超参数，所谓超参数就是能对算法效果产生很大影响的参数。但是手动选择参数过程很复...
如何在Python中建立和训练K最近邻和K-Means集群ML模型
cumi7754的博客
08-19 775
One of machine learning's most popular applications is in solving classification problems. 机器学习最流行的应用之一是解决分类问题。 Classification problems are situations where you have a data set, and you want to class...
数据科学指南-学习笔记
weixin_36840127的博客
04-07 146
数据科学指南，手撸代码
Scikit-learn：主要模块和基本使用方法
chuange6363的博客
08-14 161
http://blog.csdn.net/pipisorry/article/details/52128222 scikit-learn: Machine Learning in Python.scikit-learn库实现了很多机器学习算法。 scikit-learn是一个基于NumPy...
08_Dimensionality Reduction_svd_Kernel_pca_make_swiss_roll_subplot2grid_IncrementalPCA_memmap_LLE
Linli522362242的专栏
04-24 1544
Many Machine Learning problems involve thousands or even millions of features for each training instance. Not only does this make training extremely slow, it can also make it much harder to find ...
gru_rec推荐诗
最新发布
东方佑
05-27 8
【代码】gru_rec推荐诗。
明翰大数据Spark与机器学习笔记V0.1（持续更新）
欢迎！欢迎来到17号城市！
08-26 2388
文章目录`Spark`SparkCore核心组件`Driver/Master``Worker``Executor``数据模型RDD`创建RDDRDD编程模型`Transformation``Action`key-valueRDD缓存RDD高级特性共享变量Shared variables累加器Accumulators`分区Partitions`数值RDD操作RDD依赖容错RDD问题SparkSQLDataFrames创建DataFrameDataFrame操作TransformationsActionsDat
度量学习 流形学习_流形学习2
weixin_26735933的博客
10-14 1238
度量学习 流形学习 潜图深度学习 (Deep learning with latent graphs) TL;DR: Graph neural networks exploit relational inductive biases for data that come in the form of a graph. However, in many cases we do not have th...
K-均值聚类算法研究
07-04
We improved the way of creating the next cluster center by introducing some idea of K-medoids clustering algorithm suggested by Park and Jun. Our new algorithm can not only reduce the computational ...
koa-router-find-my-way：koa的路由器中间件。 基于find-my-way，一个基于http基的疯狂快速路由器
02-03
考阿路由器找到我的路 用于路由器... 旧版本： koa-router-find-my-way @ 3 => find-my-way @ 2 koa-router-find-my-way @ 2 => find-my-way @ 1基本用法const koaRouter = require ( 'koa-router-find-my-way' ) ;cons
find-my-way：疯狂的快速HTTP路由器
02-03
npm i find-my-way --save 用法 const http = require ( 'http' ) const router = require ( 'find-my-way' ) ( ) router . on ( 'GET' , '/' , ( req , res , params ) => { res . end ( '{"message":
mybatis-2way-sql:mybatis 2way sql脚本编写插件
05-09
MyBatis 2Way SQL脚本插件我试图在MyBatis上提供 。 以下是语法高亮显示（IntelliJ + Kotlin）。 这不是现实的方法，因为它完全合并了的jar。 如果要使用2-Way SQL ，则最好使用Doma而不是MyBatis。
SECURITY OF A NEW TWO-WAY CONTINUOUS-VARIABLE QUANTUM KEY DISTRIBUTION PROTOCOL
02-21
The original two-way continuous-variable quantum-key-distribution (CV-QKD) protocols [S. Pirandola, S. Mancini, S. Lloyd and S. L. Braunstein, Nat. Phys. 4 (2008) 726] give the security against the ...
梯度爆炸，tensorboard可视化，变量作用域---My way of ML14
spec_yue
10-22 1987
梯度爆炸 在极端的情况下，不合适的学习率，会导致权重的值变得非常大，以至于溢出导致Nan 如何解决 重新设计网络（对于神经网络而言） 调整学习率 使用梯度截断（在训练过程中检查和限制梯度的大小） 使用激活函数 可视化 数据序列化–event文件 API：tf.summary.FileWirte(路径，graph=sses.graph) 开启：tensorboard --logdir=“路径” ...
python课程设计作业—贷款发放预测
spec_yue
11-23 1587
1.应用调研 ​ 贷款业务是银行最基本、最主要的资产业务，是银行获得利润的主要来源，也是一项风险性较大的资产。其风险性在于如果被贷款人没有偿还贷款的能力，那么银行就会产生坏账，造成亏损。因此在银行业务中常常需要做很多是否发放贷款的调研。本课程设计旨在利用python课堂上学习到的numpy和pandas知识对网络上收集到的数据进行数据清洗，对清洗好的数据进行逻辑回归来预测是否发放贷款。 2.代码分...
Instacart菜篮子分析-My way of ML4
spec_yue
10-21 1420
这是kaggle上的项目，数据集可以到kaggle上下载 kaggle下载数据集需要注册，第一次注册需要翻墙，以后登陆就不要了 点击这里下载数据集 观察特征 每个表的行是用户样本，列是对应的特征，首先我们需要合并表，这里需要一些pandas的基础。 pd.read_csv(’./products.csv’)，读取表数据，这个readcsv函数很万能 pd.merge(prior, pr...
卷积神经网络实现手写数字识别---My way of AI 22
spec_yue
10-29 694
在手写数字识别这篇文章中我们实现了用全连接神经网络实现图像识别。这篇文章我们在卷积神经网络的理论基础之上实现手写数字识别。 流程 1.定义卷积模型 卷积模型是我们自定义的，我们用来两侧卷积激活池化和一层全连接层实现卷积模型。 #卷积操作 con=tf.nn.conv2d(x_reshape,weight,strides=[1,1,1,1],padding="SAME") ...
n-way-k-shot具体流程
09-08
n-way-k-shot是一种机器学习方法，在这个过程中，我们需要从n个类别中选择k个样本进行学习。该方法的具体流程如下： 1. 首先，从n个分类中选择需要学习的k个样本。通常，这些样本是从许多不同的图像中挑选出来的。 ...

“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
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