机器学习-分类算法-K-近邻算法06

K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。

我们对应上面的流程来说

1.给定了红色和蓝色的训练样本，绿色为测试样本
2.计算绿色点到其他点的距离
3.选取离绿点最近的k个点
4.选取k个点中，同种颜色最多的类。例如：k=1时，k个点全是蓝色，那预测结果就是Class 1；k=3时，k个点中两个红色一个蓝色，那预测结果就是Class 2

相似的样本，特征之间的值都是相近的。K-近邻算法需要做标准化处理。


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

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



def knncls():
    # k-近邻预测用户签到位置
    # 1，读取数据
    data = pd.read_csv("train.csv")
    # print(data.head(10))
    #,2，处理数据
    # 缩小数据,查询数据筛选
    data = data.query("x > 1.0 & x <1.25 & y >2.5 & y < 2.75")
    # 处理时间数据
    time_value = pd.to_datetime(data["time"],unit="s")
    # print(time_value)
    # 把日期格式转换成字典格式
    time_value = pd.DatetimeIndex(time_value)
    # 3，构造一些特征
    data["day"] = time_value.day
    data["hour"] = time_value.hour
    data["weekday"] = time_value.weekday
    # 把时间戳特征删除
    data = data.drop(["time"],axis=1) # sklearn中1表示列和pandas不一样
    # print(data)
    #把签到数量少于n个目标位置删除
    place_count = data.groupby("place_id").count()
    tf = place_count[place_count.row_id > 3].reset_index()
    data = data[data["place_id"].isin(tf.place_id)]
    data = data.drop(["row_id"],axis=1)
    print(data)
    # 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)

    # 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)

    # 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)


    # 进行算法流程
    knn = KNeighborsClassifier(n_neighbors=5)

    # fit,predict,score
    knn.fit(x_train,y_train)
    # 得出预测结果
    y_predict = knn.predict(x_test)

    print("预测的目标签到位置为:",y_predict)

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






if __name__=="__main__":
    knncls()

需调优提高准确度