0
点赞
收藏
分享

微信扫一扫

k近邻算法api初步使用


学习目标

  • 目标
  • 了解sklearn工具的优点和包含内容
  • 应用sklearn中的api实现KNN算法的简单使用
  • 机器学习流程复习:

k近邻算法api初步使用_机器学习

 

  • 1.获取数据集
  • 2.数据基本处理
  • 3.特征工程
  • 4.机器学习
  • 5.模型评估

1 Scikit-learn工具介绍

k近邻算法api初步使用_机器学习_02

 

  • Python语言的机器学习工具
  • Scikit-learn包括许多知名的机器学习算法的实现
  • Scikit-learn文档完善,容易上手,丰富的API
  • 目前稳定版本0.19.1

1.1 安装

pip3 install scikit-learn==0.19.1

安装好之后可以通过以下命令查看是否安装成功

import sklearn

  • 注:安装scikit-learn需要Numpy, Scipy等库

1.2 Scikit-learn包含的内容

k近邻算法api初步使用_sklearn_03

 

  • 分类、聚类、回归
  • 特征工程
  • 模型选择、调优

2 K-近邻算法API

  • sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)
  • n_neighbors:int,可选(默认= 5),k_neighbors查询默认使用的邻居数

3 案例

3.1 步骤分析

  • 1.获取数据集
  • 2.数据基本处理(该案例中省略)
  • 3.特征工程(该案例中省略)
  • 4.机器学习
  • 5.模型评估(该案例中省略)

3.2 代码过程

  • 导入模块

from sklearn.neighbors import KNeighborsClassifier

  • 构造数据集

x = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]

  • 机器学习 -- 模型训练

# 实例化API
estimator = KNeighborsClassifier(n_neighbors=2)
# 使用fit方法进行训练
estimator.fit(x, y)

estimator.predict([[1]])

4 小结

  • sklearn的优势:
  • 文档多,且规范
  • 包含的算法多
  • 实现起来容易
  • knn中的api
  • sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)

问题

1.距离公式,除了欧式距离,还有哪些距离公式可以使用?

2.选取K值的大小?

3.api中其他参数的具体含义?

举报

相关推荐

0 条评论