1 简要说明
背景：各个酒店的住房记录，数据中含有row_id,x,y（x,y给出酒店位置）,accurary（酒店定位准确性）,time（签到时间）,place_id，用k-近邻算法预测进行地点预测
ps：没找到数据T-T
首先写出几点步骤：
1、需要标准化处理
2、由于数据量大，节省时间，x,y要缩小
3、时间戳转为（年，月，日，周，时分秒），当做新的特征
4、几千-几万，少于指定签到人数的位置删除
2 导入模块
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
3 编写函数
def knn():
#读取数据
data = pd.read_csv('train.csv')
#处理数据
#1、缩小数据
data.query('x>1.0 & x<1.25 & y>2.5 & y<2.75')
#处理时间
time_value = pd.to_datetime(data['time'],unit='s')#最小单位为秒
#把日期格式转为元组，好取里面的‘year’,‘month’,‘day’,‘hour’,‘second’,‘weekday’。。。
time_value = pd.DatetimeIndex(time_value)
#3、构造一些特征
data['day']=time_value.day
data['hour']=time_value.hour
data['weekday']=time_value.weekday
#把时间戳特征time删除
data=data.drop(['time'],axis=1)
#把签到数量少于n个目标位置删除
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)]
#取出特征值和目标值
y = data['place_id']
x = data.drop(['place_id'],axis=1)
#数据分割
x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)
#特征工程(标准化)
std=StandardScaler()
#对测试集和训练集的特征值标准化
x_train = std.fit_transform(x_train)
x_test = std.transform(x_test)
#进行算法流程
knn=KNeighborsClassifier(n_neighbors=5)
knn.fit(x_train,y_train)
#得出预测结果
y_predict = knn.predict(x_test)
print('预测的目标签到位置为：',y_predict)
#得出测试集上的准确率
print('预测的准确率',knn.score(x_test,y_test))
if __name__=='__main__':
knncls()
4 简单的作业
对iris数据集进行分析
首先导入数据
from sklearn.datasets import load_iris
iris = load_iris()
x = iris.data
y = iris.target
数据划分
from sklearn.model_selection import train_test_split
x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.25)
knn算法
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV
def knncls():
knn = KNeighborsClassifier(n_neighbors=5)
knn.fit(x_train,y_train)
y_predict=knn.predict(x_test)
print('预测结果：',y_predict)
score = knn.score(x_test,y_test)
print('准确性:',score)
if __name__=='__main__':
knncls()
输出：
预测结果： [2 2 0 0 2 0 2 1 2 0 2 1 1 2 2 1 0 2 0 0 0 1 0 0 1 2 1 1 1 2 2 1 1 2 2 2 0
0]
准确性: 0.9210526315789473
