sklearn-分类算法-k近邻(kaggle案例预测入住酒店位置)

本文链接：https://blog.youkuaiyun.com/tom199611/article/details/99302063

本文介绍了使用k近邻(knn)算法进行酒店入住位置预测的过程，涉及数据预处理、欧式距离计算及sklearn库的应用。通过对kaggle上的数据集进行筛选、转换和特征提取，构建并训练knn模型，但注意到该算法在大规模数据上效率较低。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

思想：

计算，预测样本，和其他样本之间的欧式距离，然后欧式距离最短的这些样本的目标值，认为是预测样本的目标值。

欧式距离：对应特征值相减，求平方和再开方

在这里插入图片描述
在应用算法之前要做标准化。不然值分布在0-1w 范围的特征对欧式距离的影响太大，值分布在0-10的特征对距离的影响忽略不计了

api：

from sklearn.neighbors import KNeighborsClassifier

案例：

在这里插入图片描述

数据：https://www.kaggle.com/c/facebook-v-predicting-check-ins

特征值

row_id ， x ， y ， accuracy， time，
样本序号，x坐标，y坐标，定位准确度，格林威治时间

目标值：

place_id
入住酒店的id

大概流程：

读取csv，
条件筛选: xy 大于0 小于5
定位准确率低于70的 pass
Time转时间戳
时间戳分离出年月日时分秒
删除时间戳，
删除样本序号。
签到次数低于 50次的酒店pass
训练模型

涉及到几个api

格林威治时间是从1970年1月1日开始累计的秒数的总和.

t = 1551966534
 pd.to_datetime(t, unit='s') 
输出:
Timestamp('2019-03-07 13:48:54')   # 转为时间戳

时间戳字典的使用,可以把时间戳列表提取出年，月，日的部分

import pandas as pd
def a():
    t = ['2019/3/3','2018/4/3','2017/5/3']
    a = []
    for i in t:
        c = pd.to_datetime(i)
        a.append(c)
    print(a)
    time = pd.DatetimeIndex(a)
    print(time.year)
    print(time.month)
    print(time.day)
a