机器学习（6）K近邻算法

k-近邻，通过离你最近的来判断你的类别

例子：

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大多数属于某一类别），则该样本属于这个类别

K近邻需要做标准化处理

例如：

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

def knn():
    '''
    k近邻预测消费花费
    :return:
    '''
    #读取数据
    data=pd.read_csv('data.csv')
    # print(data.info())
    data=data[['age','ageg','num','cost']]
    # print(data)
    #对数据的处理
    y=data[['cost']]
    x=data.drop('cost',axis=1)
    #划分训练集合测试集

    x_train,x_text,y_train,y_text=train_test_split(x,y,test_size=0.25)
    #标准化
    ss=StandardScaler()
    x_train=ss.fit_transform(x_train)
    x_text=ss.transform(x_text)
    #训练和预测
    y_train=y_train.astype(int)
    kn=KNeighborsClassifier(n_neighbors=5)
    kn.fit(x_train,y_train)

    y_predict=kn.predict(x_text)
    print('预测值',y_predict)
    print("++" * 100)
    x_text=np.array(x_text)
    print('原本的测试值',x_text)
    print('得分：',kn.score(x_text,y_text.astype(int)))
#训练，预测

    kn=KNeighborsClassifier()


    # data=data['id','']
    #数据处理

    #特征工程
if __name__ == '__main__':
    knn()