1. 机器学习算法分类
1.1 K-近邻算法定义
定义:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。分类算法主要解决离散型数据。相似的样本,特征之间的值应该都是相近的。注意: K-近邻算法需要做标准化,防止某个特征的值过大影响预测,
eg.预测电影属于的类型(假设k=3)
因为与之最近的3个样本都是爱情片,故推测该电影属于爱情片
1.2 计算距离公式(欧式距离)
1.3 算法案例(预测酒店入住位置)
1.3.1 算法案例说明
1.3.1 算法案例分析
打印train.csv的前10行样本观察
# 读取数据
data = pd.read_csv("./data/FBlocation/train.csv")
print(data.head(10))
1.3.2 相关代码
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
import pandas as pd
def knncls():
"""
K-近邻预测用户签到位置
:return:None
"""
# 读取数据
data = pd.read_csv("./data/FBlocation/train.csv")
# print(data.head(10))
# 处理数据
# 1、缩小数据,查询数据晒讯
data = data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")
# 处理时间的数据
time_value = pd.to_datetime(data['time'], unit='s')
print(time_value)
# 把日期格式转换成 字典格式
time_value = pd.DatetimeIndex(time_value)
# 构造一些特征
data['day'] = time_value.day
data['hour'] = time_value.hour
data['weekday'] = time_value.weekday
# 把时间戳特征删除
data = data.drop(['time'], axis=1) # axis=1表示列,按照列删除,axis=0表示行
print(data)
# 把签到数量少于n个目标位置删除
place_count = data.groupby('place_id').count()
tf = place_count[place_count.row_id > 3].reset_index()
data = data[data['place_id'].isin(tf.place_id)]
# 取出数据当中的目标值和特征值
y = data['place_id'] # y为目标值
x = data.drop(['place_id'], axis=1) # x为特征值
# 进行数据的分割训练集合测试集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)
# 特征工程(标准化)
std = StandardScaler()
# 对测试集和训练集的特征值进行标准化
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
# 进行算法流程
knn = KNeighborsClassifier(n_neighbors=5)
# fit, predict,score
knn.fit(x_train, y_train)
# 得出预测结果
y_predict = knn.predict(x_test)
print("预测的目标签到位置为:", y_predict)
# 得出准确率
print("预测的准确率:", knn.score(x_test, y_test))
return None
if __name__ == "__main__":
knncls()
输出结果为: