KNN算法（2）

归一化，标椎化

1.归一化：   通过对原始数据进行变换把数据映射到【mi，mx】（默认为【0,1】）之间。  

                  （1）均值方差归一化：均值方差归一化：把所有数据归一到均值为0方差为1的分布中

                     适用于数据分布没有明显的边界，有可能存在极端数据值。

                  （2）最值归一化 ：把所有数据映射到0-1之间适用于分布有明显边界的情况；受                              outlier影响较大。

代码展示： 

结果：

如果出现异常点，影响了最大值和最小值，那么结果显然会发生改变
应用场景：最大值与最小值非常容易受异常点影响，鲁棒性较差，只适合传统精确小数据场景。
 

2.标椎化：如果数据中的异常点比较多，例如特征2中突然有个数据是100，这明显比其他数据大很多，那么归一化时就会对结果产生很大影响。因为归一化会受到最大和最小值影响，因此归一化的鲁棒性（稳定性）比较差，只适合传统精确的小数据场景。

标准化定义：通过对原始数据进⾏变换把数据变换到平均值为0,标准差为1范围内。对于标准化来说，如果出现异常点，由于具有⼀定数据量，少量的异常点对于平均值的影响并不⼤，从⽽⽅差改变较⼩。 更适合现代嘈杂大数据场景，因此常用的是标准化。

代码演示 

结果：

 

 如果出现异常点，由于具有一定数据量，少量的异常点对于平均值的影响并不大
应用场景：适合现代嘈杂大数据场景。

利用KNN算法对鸢尾花分类

兄弟们我直接上代码：

from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
# 加载数据集
data1 = load_iris()
# print(f"数据集-->{data1.feature_names}\n{data1.data[:10]}")
print(f"目标值\n{data1.target_names}\n{data1.target}")
# 数据展示
data2 = pd.DataFrame(data1["data"], columns=data1.feature_names)
data2["target"] = data1.target
print(data2)
feature_names = list(data1.feature_names)
for i in range(len(feature_names)):
    for j in range(i+1, len(feature_names)):
        col1 = feature_names[i]
        col2 = feature_names[j]
    sns.lmplot(x=col1, y=col2,hue='target',data=data2,fit_reg=False)
    plt.xlabel(col1)
    plt.ylabel(col2)
    plt.title(f'{col1} vs {col2}')
    plt.show()

结果：

 选取较好的模型进行使用：