K-临近算法

3.1 sklearn转换器和估计器

转换器        估计器（estimator）

3.1.1 转换器 —— 特征工程的父类

1 实例化（实例化的是一个转换器（Transformer））

2 调用fit-transform（对于文档建立分类词频矩阵，不能同时调用）

标准化：

（x - mean）/ std

fit_transform()

fit()        计算 每一列的平均值、标准差

transform()        （x-mean）/ std 进行最终的转换

3.1.2  估计器（sklearn机器学习算法实现）

估计器（estimator）

1 实例化一个estimator

2  estimator,fit(x_train,y_train)计算

—— 调用完毕 模型生成

3 模型评估

1）直接比对真实值和预测值

y_predict = estimator.predict(x_test)

y_test == y_predict

2）计算准确率

accuracy = estimator.score(x_test,y_test)

什么是K-近邻算法，核心思想：你的临近来推断你的类别

如何确定近邻：距离公式

曼哈顿距离 绝对值距离

明可夫斯基距离

如果k值取的不一样，有什么样的影响

k 值过小 容易受到异常点影响

k 值过大 样本不均衡的影响

使用k-近邻算法需要进行无量纲化处理和标准化处理

优点：简单，易于理解，易于实现，无需训练

缺点：必须指定k值，k值选择不恰当则分类精度不能保证

            懒惰算法，对测试样本分类时的计算量大，内存开销大

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
 
def knn_iris():
    """
    用KNN算法对鸢尾花进行分类
    :return:
    """
    # 1)获取数据
    iris = load_iris()
 
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
 
    # 3）特征工程 标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
 
    # 4）KNN算法预估器  n_neighbors=3就是值k值
    estimator = KNeighborsClassifier(n_neighbors=3)
    estimator.fit(x_train, y_train)
 
    # 5）模型评估
    # 方法1 直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
 
    # 方法2 计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
 
    return None
 
if __name__ == "__main__":
    # 代码1 用KNN算法对鸢尾花进行分类
    knn_iris()

 模型选择与调优

• sklearn.model_selection.GridSearchCV(estimator,param_grid=None,cv=None)
• 对估计器的指定参数值进行详尽搜索
• estimator：估计器对象
• param-grid：估计器参数(dict){"n_neighbors":[1,3,5]}
• cv:指定几折交叉验证
• fit（）：输入训练数据
• score（）：准确率
• 结果分析：

1. 最佳参数：best_params
2. 最佳结果：best_score
3. 最佳估计器: best_estimator
4. 交叉验证结果：cv_results

 

def knn_iris_gscv():
    """
    用knn算法对鸢尾花进行分类，添加网络搜索和交叉验证
    :return:
    """
    # 1)获取数据
    iris = load_iris()
 
    # 2）划分数据集
    x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
 
    # 3）特征工程 标准化
    transfer = StandardScaler()
    x_train = transfer.fit_transform(x_train)
    x_test = transfer.transform(x_test)
 
    # 4）KNN算法预估器
    estimator = KNeighborsClassifier()
 
    # 加入网络搜索和交叉验证
    # 参数准备
    param_dict = {"n_neighbors": [3, 5, 7, 9]}
    estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
    estimator.fit(x_train, y_train)
 
    # 5）模型评估
    # 方法1 直接比对真实值和预测值
    y_predict = estimator.predict(x_test)
    print("y_predict:\n", y_predict)
    print("直接比对真实值和预测值：\n", y_test == y_predict)
 
    # 方法2 计算准确率
    score = estimator.score(x_test, y_test)
    print("准确率为：\n", score)
 
    # 最佳参数：best_params_
    print("最佳参数\n", estimator.best_params_)
    # 最佳结果：best_score_
    print("最佳结果\n", estimator.best_estimator_)
    # 最佳估计器: best_estimator_
    print("最佳估计器\n", estimator.best_estimator_)
    # 交叉验证结果：cv_results_
    print("交叉验证结果\n", estimator.cv_results_)
 
    return None