3.1 sklearn转换器和估计器
转换器
估计器（estimator）
3.1.1 sklearn转换器 ------特征工程的父类
1.实例化（实例化的是一个转换器类（transforer））
2.调用fit_transform（对于文档建立分类词频矩阵，不能同时调用）
标准化：
（x-mean）/std
fit_transform（）
fit（） ：计算 每一列的平均值，标准差
transform（） ：(x-mean)/std进行最终的转换
3.1.2 估计器（sklearn机器学习算法的实现）
估计器工作流程
估计器（estimator）
-
实例化一个estimator
-
estimator.fit(x_train,y_train) 计算
-
模型评估：
1） 直接比对真实值和预测值
y_preidct = estimator.predict(x_test)
y_test == y_predict
- 计算准确率
accuray = estimator.score(x_test,y_test)
3.2 K-近邻算法
3.2.1什么是K-近邻算法
1.K-近邻算法（KNN）原理
这个算法是机器学习中一个比较经典的算法。
定义：
如果一个样本在特征空间中的k个最相似(即特征空间中最邻近）的样本中的大多数属于某一个类别，则该样本也属于这个类别。
距离公式：
求算距离有以下几种方法：
曼哈顿距离，绝对值距离，明可夫斯基距离。
2 电影类型分析
电影类型分析
k = 1 爱情片
k = 2 爱情片
k = 6 无法确定
k = 7 动作片
3 问题
如果取的最近的电影数量不一样，会是什么结果？
k值取得过小，容易受到异常点的影响
k值取得过大，样本不均衡的影响
结合前面的约会对象数据，分析K-近邻算法需要做什么样的处理
3.2.2 K-近邻算法API
3.2.3 案例1 ： 鸢尾花种类预测
1 数据集介绍
iris数据集是常用的分类实验室数据集，有Fsisher,1936收集整理，iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。
1）获取数据
2）数据集划分
3）特征工程
标准化
4）KNN预估器流程
5）模型评估
pycharm代码：
3.2.4 K-近邻总结
优点：简单，易于理解，易于实现，无需训练
缺点：懒惰算法，对测试样本分类时的计算量大，内存开销大
必须使用指定k值，k值选择不当则分类精度不能保证
使用场景：小数据场景，几千-几万样本，具体场景具体业务去测试