knn——model celectionpreprocessing

一.cross_val_score 调参

import numpy as np
from sklearn.neighbors import KNeighborsClassifier
from sklearn import datasets
from sklearn.model_selection import cross_val_score #交叉验证
X,y = datasets.load_iris(True)
# 演示了交叉验证如何使用
knn = KNeighborsClassifier()
score = cross_val_score(knn,X,y,scoring='accuracy',cv=6)
print(score.mean())error = []
for k in range (1,14):knn = KNeighborsClassifier(n_neighbors=k)score = cross_val_score(knn,X,y,scoring='accuracy',cv=6).mean()#误差越小。K选择越合适error.append(1 - score)import  matplotlib.pyplot as plt
plt.plot(np.arange(1,14),error)
plt.show()weights = ['uniform','distance']
for w in weights:knn = KNeighborsClassifier(n_neighbors=11,weights=w)print(cross_val_score(knn,X,y,scoring='accuracy',cv=6).mean())result = {}
for k in range(1,14):for w in weights:knn = KNeighborsClassifier(n_neighbors=k, weights=w)sm = cross_val_score(knn,X,y,scoring='accuracy',cv=6).mean()result[w+str(k)] = sm
result
# 找到最合适的参数
print(np.array(list(result.values())).argmax())

二.实例中学到的方法【片段】

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from sklearn.neighbors import KNeighborsClassifier
cancer = pd.read_csv('./cancer.csv',sep='\t')# 读取数据
cancer.drop('ID',axis=1,inplace=True)#删除一行数据# 将列表中str类型数据转换为int
cols = ['relationship','race']
for col in cols：u= X[col].unique()def convert(x)return np.argwhere(u==x)[0,0]X[col]=X[col].map(convert)
# 数据划分
knn = KNeighborsClassifier()
kFold =kFold(10)
knn = KNeighborsClassifier()
accuracy = 0
for train,test in kFold.split(X,y):knn.fit(X.loc[train],y[train])acc = knn.score(X.loc[test],y[test])accuracy += acc/10
print(accuracy)

三.将列表中str类型数据转换为int(preprocessing方法)

import numpy as np
import pandas as pd
from pandas import Series,DataFrame
from sklearn.preprocessing import OrdinalEncoder ,OneHotEncoder,LabelEncoder
from sklearn.neighbors import KNeighborsClassifier
# LabelEncoder(Series) 和OrdinalEncode(DataFrame)类似
labelEncode = LabelEncoder()
salary_label =labelEncode.fit_transform(salary['salary'])
for col in salary.columns:salary[col] = labelEncode.fit_transform(salary[col])
print(salary.head())

knn——model celectionpreprocessing相关推荐

knn分类 knn_关于KNN的快速小课程
knn分类 knn As the title says, here is a quick little lesson on how to construct a simple KNN model in ...
knn的python代码_《机器学习实战》之一：knn(python代码)
数据标称型和数值型算法归一化处理:防止数值较大的特征对距离产生较大影响计算欧式距离:测试样本与训练集排序:选取前k个距离,统计频数(出现次数)最多的类别 def classify0(inX, ...
机器学习——KNN（K-nearst Neighbor）
距离计算公式常用的距离计算方法有欧式距离和曼哈顿距离两种,公式下所示: 欧氏距离: 曼哈顿距离: KNN 模型原理 KNN首先需要"记忆"所有的训练数据,这也可以看做模型的训练过 ...
《封号码罗》数据分析与人工智能之KNN分类问题（七）
第一部分 # KNN # K最近邻(k-Nearest Neighbor,KNN)分类算法: # 是一个理论上比较成熟的方法,也是最简单的机器学习算法之一. # 该方法的思路是: # 在特征空间中,如 ...
分类算法如何绘制roc曲线,如何绘制knn模型的ROC曲线
I am using ROCR package and i was wondering how can one plot a ROC curve for knn model in R? Is ther ...
python knn预测_python机器学习之KNN预测QSAR生物浓缩类别
KNN预测QSAR生物浓缩类别 importnumpyimport pandas #导入Excel文件 from sklearn.neighbors import KNeighborsClassifi ...
sklearn：Python语言开发的通用机器学习库
引言:深入理解机器学习并全然看懂sklearn文档,须要较深厚的理论基础.可是.要将sklearn应用于实际的项目中,仅仅须要对机器学习理论有一个主要的掌握,就能够直接调用其API来完毕各种机器学习问 ...
从零开始用Python实现k近邻算法（附代码、数据集）
作者:Tavish Srivastava 翻译:王雨桐校对:丁楠雅本文约2000字,建议阅读8分钟. 本文将带领读者理解KNN算法在分类问题中的使用,并结合案例运用Python进行实战操作. 注意 ...
CVPR 2015 papers
CVPR 2015 CVPR 2015的文章可以下载了,如果链接无法下载,可以在Google上通过搜索paper名字下载(友情提示:可以使用filetype:pdf命令). Going Deeper ...
机器学习模型知乎_机器学习中有哪些模型？
AI主要的作用就是利用计算机模拟各种生物智能来解决问题,生物智能的多样性造就了计算机模拟智能的多样性,但是不管模拟的智能是什么,整个处理的过程都是相似的,都需要把模拟的智能通过数学建模给抽象出来,找到 ...

knn——model celectionpreprocessing

一.cross_val_score 调参

二.实例中学到的方法【片段】

三.将列表中str类型数据转换为int(preprocessing方法)

knn——model celectionpreprocessing相关推荐

最新文章

热门文章