K-近邻算法介绍和案例使用
1.内容
内容 说明K-近邻算法的距离公式说明K-近邻算法的超参数K值以及取值问题说明K-近邻算法的优缺点应用KNeighborsClassifier实现分类了解分类算法的评估标准准确率 应用 Facebook签到位置预测2.什么是K-近邻算法
你的“邻居”来推断出你的类别2.1 K-近邻算法(KNN)
2.1.1 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某一个类别，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
2.1.2 距离公式
两个样本的距离可以通过如下公式计算，又叫欧式距离
3、电影类型分析
假设我们有现在几部电影
其中？ 号电影不知道类别，如何去预测？我们可以利用K近邻算法的思想
3.1.1 问题
如果取的最近的电影数量不一样？会是什么结果？3.2.2 K-近邻算法数据的特征工程处理
结合前面的约会对象数据，分析K-近邻算法需要做什么样的处理4、K-近邻算法API
sklearn.neighbors.KNeighborsClassifier(n_neighbors=5,algorithm=‘auto’) n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数algorithm：{‘auto’，‘ball_tree’，‘kd_tree’，‘brute’}，可选用于计算最近邻居的算法：‘ball_tree’将会使用 BallTree，‘kd_tree’将使用 KDTree。‘auto’将尝试根据传递给fit方法的值来决定最合适的算法。 (不同实现方式影响效率)5、案例：预测签到位置
数据介绍：将根据用户的位置，准确性和时间戳预测用户正在查看的业务。
train.csv，test.csv row_id：登记事件的IDxy：坐标准确性：定位准确性 时间：时间戳place_id：业务的ID，这是您预测的目标
官网：/navoshta/grid-knn/data
5.1 分析
对于数据做一些基本处理（这里所做的一些处理不一定达到很好的效果，我们只是简单尝试，有些特征我们可以根据一些特征选择的方式去做处理）
1、缩小数据集范围 DataFrame.query()
4、删除没用的日期数据 DataFrame.drop（可以选择保留）
5、将签到位置少于n个用户的删除
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)]
分割数据集
标准化处理
k-近邻预测
5.2 代码
def knncls():"""K近邻算法预测入住位置类别:return:"""# 一、处理数据以及特征工程# 1、读取收，缩小数据的范围data = pd.read_csv("./data/FBlocation/train.csv")# 数据逻辑筛选操作 df.query()data = data.query("x > 1.0 & x < 1.25 & y > 2.5 & y < 2.75")# 删除time这一列特征data = data.drop(['time'], axis=1)print(data)# 删除入住次数少于三次位置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)]# 3、取出特征值和目标值y = data['place_id']# y = data[['place_id']]x = data.drop(['place_id', 'row_id'], axis=1)# 4、数据分割与特征工程?# （1）、数据分割x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3)# (2)、标准化std = StandardScaler()# 队训练集进行标准化操作x_train = std.fit_transform(x_train)print(x_train)# 进行测试集的标准化操作x_test = std.fit_transform(x_test)# 二、算法的输入训练预测# K值：算法传入参数不定的值 理论上：k = 根号(样本数)# K值：后面会使用参数调优方法，去轮流试出最好的参数[1,3,5,10,20,100,200]knn = KNeighborsClassifier(n_neighbors=1)# 调用fit()knn.fit(x_train, y_train)# 预测测试数据集，得出准确率y_predict = knn.predict(x_test)print("预测测试集类别：", y_predict)print("准确率为：", knn.score(x_test, y_test))return None
5.3 结果分析
准确率： 分类算法的评估之一
1、k值取多大？有什么影响？k值取很小：容易受到异常点的影响
k值取很大：受到样本均衡的问题
2、性能问题？
距离计算上面，时间复杂度高
6. K-近邻总结
优点： 简单，易于理解，易于实现，无需训练 缺点： 懒惰算法，对测试样本分类时的计算量大，内存开销大必须指定K值，K值选择不当则分类精度不能保证响？
k值取很小：容易受到异常点的影响
k值取很大：受到样本均衡的问题
2、性能问题？
距离计算上面，时间复杂度高
