一、背景
1、说明
2、数据集
row_id：签到行为的编码
x y：坐标系，人所在的位置
accuracy：定位的准确率
time：时间戳
place_id：预测用户将要签到的位置
3、数据集下载
https://www.kaggle.com/navoshta/grid-knn/data
国内下不了，无法收验证码，还是在csdn用积分下一个别人上传的
二、流程分析
1、获取数据
2、数据处理
目的：
特征值
目标值
a.缩小数据范围
根据坐标缩小范围
2 < x < 2.5
1 < y < 1.5
b.时间戳
time -> 年月日时分秒
早上签到，可能是公园、通勤的路上
周六签到，可能在商场、在家睡觉
c.过滤签到次数少的地点
d.数据集划分
3、特征工程
标准化
4、KNN算法预估器流程
5、模型选择与调优
6、模型评估
三、代码
1、day02_facebook_demo
python
import pandas as pd
# 1、获取数据
data = pd.read_csv("./FBlocation/train.csv")
data.head()
# 2、基本的数据处理
# 1）缩小数据范围
data = data.query("x < 2.5 & x > 2 & y < 1.5 & y > 1")
data
# 2）处理时间特征
time_value = pd.to_datetime(data["time"], unit="s")
time_value.values
date = pd.DatetimeIndex(time_value)
data["day"] = date.day
data["weekday"] = date.weekday
data["hour"] = date.hour
data
# 3、过滤掉签到次数少的地点
place_count = data.groupby("place_id").count()["row_id"]
place_count[place_count > 3].head()
data_final = data[data["place_id"].isin(place_count[place_count > 3].index.values)]
data_final.head()
# 筛选特征值和目标值
# 特征值
x = data_final[["x", "y", "accuracy", "day", "weekday", "hour"]]
# 目标值
y = data_final["place_id"]
x.head()
y.head()
# 数据集划分
from sklearn.model_selection import train_test_split
x_train, x_test, y_train, y_test = train_test_split(x, y)
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV
# 3、特征工程：标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
# 用训练集的平均值和标准差对测试集的数据来标准化
# 这里测试集和训练集要有一样的平均值和标准差，而fit的工作就是计算平均值和标准差，所以train的那一步用fit计算过了，到了test这就不需要再算一遍自己的了，直接用train的就可以
x_test = transfer.transform(x_test)
# 4、KNN算法预估器
estimator = KNeighborsClassifier()
# 加入网格搜索和交叉验证
# 参数准备
param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]}
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_score_)
#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_)2、运行结果
