100天搞定机器学习|Day11 实现KNN

机器学习100天|Day1数据预处理

100天搞定机器学习|Day2简单线性回归分析

100天搞定机器学习|Day3多元线性回归

100天搞定机器学习|Day4-6 逻辑回归

100天搞定机器学习|Day7 K-NN

100天搞定机器学习|Day8 逻辑回归的数学原理

100天搞定机器学习|Day9-12 支持向量机

Day7，我们学习了K最近邻算法（k-NN），了解了其定义，如何工作，介绍了集中常用的距离和k值选择。Day11，通过一个案例实现该算法。

 

第一步：导入相关库

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

第二步：导入数据集

dataset = pd.read_csv('../datasets/Social_Network_Ads.csv')

为了方便理解，这里我们只取Age年龄和EstimatedSalary估计工资作为特征

 

X = dataset.iloc[:, [2, 3]].values
y = dataset.iloc[:, 4].values

第三步：将数据划分成训练集和测试集

 

fromsklearn.model_selectionimport train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size =0.25, random_state=0)

第四步：特征缩放

from sklearn.preprocessing import StandardScaler
sc = StandardScaler()
X_train = sc.fit_transform(X_train)
X_test = sc.transform(X_test)

第五步：使用K-NN对训练集数据进行训练

 从sklearn的neighbors类中导入KNeighborsClassifier学习器

 

from sklearn.neighbors import KNeighborsClassifier

设置好相关的参数 n_neighbors =5(K值的选择，默认选择5)、 metric ='minkowski'(距离度量的选择，这里选择的是闵氏距离(默认参数))、 p = 2 (距离度量metric的附属参数，只用于闵氏距离和带权重闵氏距离中p值的选择，p=1为曼哈顿距离， p=2为欧式距离。默认为2)

classifier = KNeighborsClassifier(n_neighbors=5, metric ='minkowski', p =2)
classifier.fit(X_train,y_train)

KNeighborsClassifier(algorithm='auto',leaf_size=30, metric='minkowski',
metric_params=None, n_jobs=1,n_neighbors=5, p=2,
weights='uniform')

第六步：对测试集进行预测

y_pred = classifier.predict(X_test)

第七步：生成混淆矩阵

混淆矩阵可以对一个分类器性能进行分析，由此可以计算出许多指标，例如：ROC曲线、正确率等

fromsklearn.metricsimport confusion_matrix
cm = confusion_matrix(y_test, y_pred)
print(cm)

[[64 4]

[ 3 29]]

print(classification_report(y_test, y_pred))

预测集中的0总共有68个，1总共有32个。 在这个混淆矩阵中，实际有68个0，但K-NN预测出有67(64+3)个0，其中有3个实际上是1。 同时K-NN预测出有33(4+29)个1，其中4个实际上是0。

 

数据下载链接：

https://pan.baidu.com/s/1cPBt2DAF2NraOMhbk5-_pQ

提取码：vl2g