KNN模型项目实战

本文通过分析批发销售数据,使用KNN算法判断销售渠道。通过交叉验证找到最佳K值4,构建KNN模型,实现了高准确性的分类,并展示了混淆矩阵和评估报告。
摘要由CSDN通过智能技术生成

1.定义问题
这个项目通过分析批发销售数据集(Wholesale customers data)来判断销售商品来源于哪个渠道。

  1. FRESH:新鲜商品年度支出
  2. MILK::牛奶商品年度支出
  3. GROCERY:杂货商品年度支出
  4. FROZEN:冷冻品年度支出
  5. DETERGENTS_PAPER: 清洁剂和纸制品的年度支出(百万美元)(连续)
  6. DELICATESSEN: 熟食产品年度支出(百万美元)
  7. CHANNEL: 销售渠道,horeca(酒店/餐厅/咖啡厅)或Retail(零售渠道8) ;horeca取1,Retail取2
    8)REGION:销售地区,Lison, Oporto or Other;Lison取1,Oporto取2,Other取3
  1. 导入数据
    本数据从UCI机器学习仓库下载(http://archive.ics.uci.edu/ml/datasets/Wholesale+customers#)
    import pandas as pd
    from sklearn import model_selection
    import numpy as np
    from sklearn import neighbors
    import matplotlib.pyplot as plt
    import numpy as np
    from sklearn import
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值