用knn算法对红酒品质数据进行模拟 以及遇到的问题

# 数据获取
# 数据处理
# 特征工程
# 分割
# 预处理
# 降维
# 建立模型 - 模型调优

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV


data = pd.read_csv('DS/wine/winequality-red.csv')
feature = data.iloc[:, :11]
target = data.iloc[:, 11:]
x_train, x_test, y_train, y_test = train_test_split(
    feature, target, test_size=0.2, random_state=0)

trans = StandardScaler()
x_train = trans.fit_transform(x_train)
x_test = trans.transform(x_test)
y_train = y_train.values.ravel()
y_test = y_test.values.ravel()

estimator = KNeighborsClassifier()
dric = {'n_neighbors': [14, 15, 16, 17, 18]}
estimator = GridSearchCV(estimator, param_grid=dric, cv=8)

estimator.fit(x_train, y_train)

print(estimator.score(x_test, y_test))
print(estimator.best_estimator_)

0.584375
KNeighborsClassifier(n_neighbors=14)

可见，knn算法的正确率并不高，但是代码简单，构建快速。

下面记录一下实战过程中遇到的问题：

1.对于报错UserWarning: The least populated class in y has only 8 members, which is less than n_splits=10.

这个报错在于我一开始将cv设置为10，单cv有自己选取数据的机制，对于每一个特征，在每一个分类中都要出现，有一个特征的一个值的出现次数只有8次，没有达到10次。无法折叠。

解决方法：

1.将数据复制多分拼接在一起，使该数字的出现次数增多

2.将k改为8

2.1d array was expected. Please change the shape of y to (n_samples,), for example using ravel().

这个问题是，该函数所接受的target是一个（n，）shape的形式，而在pandas直接划分形成的数据的形式是二维数组也就是(n,1)的形式。

解决方法 (dataframe).values.ravel() 转换为（n，）的形式