5、机器学习算法：KNN与朴素贝叶斯分类器的应用与解析

机器学习算法：KNN与朴素贝叶斯分类器的应用与解析

1. KNN算法测试

在预测King County的房价时，我们构建了一个KNN回归工具。但它的实际性能如何呢？我们可以使用交叉验证的方法来评估，其通用算法步骤如下：
1. 将训练集划分为测试集和训练集两部分。
2. 使用训练数据对模型进行训练。
3. 使用测试数据测试模型的性能。

以下是实现该算法的代码：

class Regression:
    # __init__
    # regress
    def error_rate(self, folds):
        holdout = 1 / float(folds)
        errors = []
        for fold in range(folds):
            y_hat, y_true = self.__validation_data(holdout)
            errors.append(mean_absolute_error(y_true, y_hat))
        return errors

    def __validation_data(self, holdout):
        test_rows = random.sample(self.df.index, int(round(len(self.df) * holdout)))
        train_rows = set(range(len(self.df))) - set(test_rows)
        df_test = sel