【零基础学习机器学习】k-近邻算法

最新推荐文章于 2024-05-10 11:59:38 发布

why do not

最新推荐文章于 2024-05-10 11:59:38 发布

阅读量404

点赞数

CC 4.0 BY-SA版权

分类专栏：机器学习文章标签： python 机器学习

本文链接：https://blog.csdn.net/qq_42994177/article/details/105908294

机器学习专栏收录该内容

18 篇文章

订阅专栏

本文深入探讨了k-近邻算法的原理与应用，通过电影类型预测等实例讲解其工作方式，分析了算法的优缺点，并提供了详细的代码实现过程，包括数据预处理、特征工程及模型评估。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

k-近邻算法

什么是k-近邻算法

属于分类算法，特征是：目标值是离散的。

举例：

电影类型是目标值，推断某个电影的电影类型是什么？可以根据此电影与哪个电影类型距离最近，则是什么类型的电影。

k-近邻算法API

实战

https://www.kaggle.com/c/facebook-v-predicting-check-ins/data?select=train.csv.zip

分析

代码演练

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


def knncls():
    """
    K-近邻预测用户签到位置
    :return: None
    """
    # TODO 读取数据
    data = pd.read_csv("train.csv")
    # print(data.head(10))

    # TODO 处理数据
    # 1、缩小数据量，为了迅速查询数据
    data = data.query("x>1.0 & x<1.25 & y>2.5 & y<2.75")
    # print(data.head(10))
    # 把日期格式转换成字典格式
    time_value = pd.to_datetime(data['time'], unit='s')
    # print(time_value)
    # print(type(time_value))  # Series
    time_value = pd.DatetimeIndex(time_value)
    # print(time_value)
    # print(type(time_value))  # DatetimeIndex
    # 2、构造一些时间特征
    data['day'] = time_value.day   # 这种形式的增加列，是把time_value的day复制一份，而loc方法是直接拿来用。
    data['hour'] = time_value.hour
    data['weekday'] = time_value.weekday
    # 3、把时间戳特征删除
    data = data.drop(['time'], axis=1)   # Pandas中axis=1表示列
    # print(data)
    # 4、将签到位置少于n个用户的删除
    place_count = data.groupby('place_id').count()    # 分组之后，索引为分组字段，并且列没有分组字段
    tf = place_count[place_count.row_id > 3].reset_index()  # 重设索引，并且列增加索引字段
    data = data[data['place_id'].isin(tf.place_id)]
    # 把row_id列删除，此列无意义
    data = data.drop(['row_id'], axis=1)
    print(data)
    # 5、取出数据当中的特征值和目标值
    y = data['place_id']
    x = data.drop(['place_id'], axis=1)
    # 6、进行数据的分割，训练集和测试集
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)  # 训练目标值，测试目标值，训练特征值，测试特征值


    # TODO 特征工程（标准化）
    std = StandardScaler()
    # 对测试集和训练集的特征值进行标准化
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)


    # TODO 进行算法流程
    knn = KNeighborsClassifier(n_neighbors=5)
    # fit  predict,score
    knn.fit(x_train, y_train)

    # TODO 得出预测结果
    y_predict = knn.predict(x_test)
    print("y预测的目标签到位置为：", y_predict)

    # TODO 得出准确率
    print("预测的准确率：", knn.score(x_test, y_test))


    return None

if __name__ == '__main__':
    knncls()