本文共 2103 字，大约阅读时间需要 7 分钟。

目录

k-近邻算法

什么是k-近邻算法

属于分类算法，特征是：目标值是离散的。

举例：

电影类型是目标值，推断某个电影的电影类型是什么？可以根据此电影与哪个电影类型距离最近，则是什么类型的电影。

k-近邻算法API

实战

分析

代码演练

from sklearn.model_selection import train_test_splitfrom sklearn.neighbors import KNeighborsClassifierfrom sklearn.preprocessing import StandardScalerimport pandas as pdimport numpy as npdef knncls():    """    K-近邻预测用户签到位置    :return: None    """    # TODO 读取数据    data = pd.read_csv("train.csv")    # print(data.head(10))    # TODO 处理数据    # 1、缩小数据量，为了迅速查询数据    data = data.query("x>1.0 & x<1.25 & y>2.5 & y<2.75")    # print(data.head(10))    # 把日期格式转换成字典格式    time_value = pd.to_datetime(data['time'], unit='s')    # print(time_value)    # print(type(time_value))  # Series    time_value = pd.DatetimeIndex(time_value)    # print(time_value)    # print(type(time_value))  # DatetimeIndex    # 2、构造一些时间特征    data['day'] = time_value.day   # 这种形式的增加列，是把time_value的day复制一份，而loc方法是直接拿来用。    data['hour'] = time_value.hour    data['weekday'] = time_value.weekday    # 3、把时间戳特征删除    data = data.drop(['time'], axis=1)   # Pandas中axis=1表示列    # print(data)    # 4、将签到位置少于n个用户的删除    place_count = data.groupby('place_id').count()    # 分组之后，索引为分组字段，并且列没有分组字段    tf = place_count[place_count.row_id > 3].reset_index()  # 重设索引，并且列增加索引字段    data = data[data['place_id'].isin(tf.place_id)]    # 把row_id列删除，此列无意义    data = data.drop(['row_id'], axis=1)    print(data)    # 5、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)    # 6、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)  # 训练目标值，测试目标值，训练特征值，测试特征值    # TODO 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)    # TODO 进行算法流程    knn = KNeighborsClassifier(n_neighbors=5)    # fit  predict,score    knn.fit(x_train, y_train)    # TODO 得出预测结果    y_predict = knn.predict(x_test)    print("y预测的目标签到位置为：", y_predict)    # TODO 得出准确率    print("预测的准确率：", knn.score(x_test, y_test))    return Noneif __name__ == '__main__':    knncls()

k-近邻算法优缺点

k值取很小，容易受异常点影响

k值取很大，容易受目标值的数量（类别）波动

性能：很慢

转载地址：http://ydrgn.baihongyu.com/