目录
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的大多数属于同一个类别,则该样本也属于这个类别。
来源:knn算法最早是由cover和Hart提出的一种分类算法
计算距离公式
如何求距离? 根号((18-3)^2+(90-104)^2)=20.5
相似的样本,特征之间的值应该都是相近的
K-近邻算法:需要做标准化处理
案例:预测入住位置
from sklearn.neighbors import KNeighborsClassifier
from sklearn.preprocessing import StandardScaler
import pandas as pd
def knncls():
"""K-近邻预测用户签到位置"""
# 读取数据
data = pd.read_csv("./data/FBlocation/tain.csv")
print(data.head(10))
# 处理数据
# 1.缩小数据
data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")
# 处理时间的数据
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)
# 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)
# 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)]
# 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))
return None
if _name_ == "_main_":
knncls()
总结
问题:
1.K值去多大?有什么影响?
k值取很小:容易受异常点影响
k值取很大:容易受k值数量(类别)波动
2.性能问题?