分类算法3.1 sklearn转换器和估计器;3.2 K-近邻算法

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)

  1. 实例化一个estimator

  2. estimator.fit(x_train,y_train) 计算

  3. 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

  1. 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

相关推荐
@黄色海岸1 小时前
【sklearn 05】sklearn功能模块
人工智能·python·sklearn
@黄色海岸1 小时前
【sklearn 02】监督学习、非监督下学习、强化学习
人工智能·学习·sklearn
Sodas(填坑中....)2 小时前
周志华机器学习西瓜书 第九章 聚类-学习笔记
人工智能·机器学习·数据挖掘·聚类
dundunmm15 小时前
【数据挖掘】KL散度(Kullback-Leibler Divergence, KLD)
人工智能·数据挖掘·聚类·kl散度
算法与编程之美18 小时前
利用java实现数据分析
java·开发语言·python·数据挖掘·数据分析
dundunmm18 小时前
对比学习(Contrastive Learning)
人工智能·深度学习·学习·算法·数据挖掘·对比学习
有杨既安然1 天前
基于传感器数据的城市空气质量预测与污染源分类
人工智能·分类·数据挖掘
船长@Quant1 天前
tsfresh:时间序列特征自动提取与应用
python·量化策略·sklearn·策略回测·风险控制·tsfresh
杜子腾dd1 天前
18.使用读写包操作Excel文件:xlrd、xlwt 和 xlutils 包
python·数据挖掘·excel·numpy·pandas
摸鱼仙人~1 天前
预训练微调类型分类
人工智能·自然语言处理·分类