K近邻算法应用——价格预测

最新推荐文章于 2025-01-18 10:54:32 发布

原创

最新推荐文章于 2025-01-18 10:54:32 发布 · 1.3k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#Python #k近邻算法

本文详细介绍了如何使用K近邻算法进行价格预测，从构造数据、距离评估到K近邻预测，再到交叉验证和测试，揭示了k值选择对预测结果的影响，并指出k过大或过小可能导致的过拟合和无关数据干扰问题。最后，文章预告将进行优化部分的探讨。

一、构造数据

#根据rating和age评估价格
def wineprice(rating,age):
    peak_age=rating-50

    price=rating/2
    if age>peak_age:
        price=price*(5-(age-peak_age))#过了峰值年,价值降低
    else:
        price=price*(5*(age+1)/peak_age)#临近峰值年,价值增高
    if price<0:
        price=0
    return price

#构造数据集合:输入——rating,age;输出——price
def wineset1():
    rows=[]
    for i in range(300):
        rating=random()*50+50
        age=random()*50

        price=wineprice(rating,age)
        price*=(random()*0.4+0.8)
        rows.append({
  
  'input':(rating,age),'result':price})
    return rows

#构造数据集合:输入——rating,age,aisle,bottlesize;输出——price
def wineset2():
    rows=[]
    for i in range(300):
        rating=random()*50+50
        age=random()*50

        aisle=float(randint(