【机器学习】sklearn k-近邻算法

核心思想：你的“邻居”来推断出你的类别
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。
来源：KNN算法最早是由Cover和Hart提出的一种分类算法

如何求距离：计算距离公式
两个样本的距离可以通过如下公式计算，又叫欧式距离

比如说，a(a1,a2,a3),b(b1,b2,b3)

相似样本，特征之间的值应该都是相近的。
sklearn k-近邻算法是需要做标准化处理的。

1. sklearn k-近邻算法API

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

n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数 

algorithm：{
   ‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)

k值取值：会影响结果。

2. k近邻算法实例-预测入住位置

数据来源

确定此问题是一种分类问题：
特征值：x,y坐标， 定位准确性，年，日，时，周 目标值：入住位置的ID

处理：0<x<10 0<y<10
1.由于数据量大，为了缩小数据量，缩小x，y
2.时间戳处理（年、月、日、周、时、分、秒），当做新的特征
3.几千几万，少于指定签到人数的位置删除

数据的处理

1、缩小数据集范围
DataFrame.query()
2、处理日期数据
pd.to_datetime
pd.DatetimeIndex
3、增加分割的日期数据
4、删除没用的日期数据