100天机器学习(100-Days-Of-ML)knn提升版

本系列为100天机器学习学习笔记。详细请参考下方作者链接：
100天机器学习github:
https://github.com/MLEveryday/100-Days-Of-ML-Code/blob/master/Code/Day 11_K-NN.md

这个系列开头都还挺认真的，到后面原作者都不太认真了。。。anyway,我们还是继续跟进，把干货记录完。
这次讲的是knn，我会在原文的基础上进行挖深。

一些基础的包：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split

data = pd.read_csv('Social_Network_Ads.csv')
data.head()

很明显，用户id对于是否购买是没有相关性的。同时性别栏需要编码：

data.Gender = data['Gender'].map({'Male':0,'Female':1})

编码完成后：
确定自变量与因变量。

X = data.iloc[:,1:4]
Y = data.iloc[:,-1]

X.head()

数据标准化与划分训练/测试集。

X_train,X_test,Y_train,Y_test = train_test_split(X,Y,test_size=.25)
from sklearn.preprocessing import StandardScaler
ss = StandardScaler()
X_train = ss.fit_transform(X_train)
X_test = ss.transform(X_test)

from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier()
knn.fit(X_train,Y_train)
Y_p = knn.predict(X_test)
#混淆矩阵
from sklearn.metrics import confusion_matrix
confusion_matrix(Y_test,Y_p)

探讨1：
性别栏是否需要加?
原文是直接舍弃的，我是加上了的，关系不大。
探讨2：
混淆矩阵的行与列哪个是真实值？
其实这个不重要。因为怎么写的都有，建议你看下混淆矩阵的说明。你第一个写的参数对应列的标签。
探讨3：
都知道knn是基于距离的懒惰学习。那么关于距离的探究如下:
sklearn默认为二阶的闵科夫斯基距离。即L2范数。可以通过修改p来选择范数，1则为曼哈顿距离。