k近邻算法（KNN）

目录

 计算距离公式

案例：预测入住位置

总结

问题：

优缺点 

---

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？

优缺点