1、k-近邻算法
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。
如何求距离:(欧式距离)a(a1,a2,a3) ,b(b1,b2,b3)距离=根号下[(a1-b1)平方+(a2-b2)平方+(a3-b3)平方]
相似的样本,特征值之间相似。
k-近邻算法需要做标准化处理
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)
数据的处理
● 缩小数据集范围 DataFrame.query()
● 处理日期数据 pd.to_datatime
pd.Datatimeindex
● 增加分隔的日期数据
● 删除没用的日期数据 DataFrame.drop
● 将签到位置少于n个用户的删除
place_count=data.groupby