Day7，我们学习了K最近邻算法（k-NN），了解了其定义，如何工作，介绍了集中常用的距离和k值选择。Day11，通过一个案例实现该算法。
第一步：导入相关库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
第二步：导入数据集
dataset = pd.read_csv('../datasets/Social_Network_Ads.csv')
为了方便理解，这里我们只取Age年龄和EstimatedSalary估计工资作为特征
X = dataset.iloc[:, [2, 3]].values y = dataset.iloc[:, 4].values
第三步：将数据划分成训练集和测试集
fromsklearn.model_selectionimport train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y, test_size =0.25, random_state =0)
第四步：特征缩放
from sklearn.preprocessing import StandardScaler sc = StandardScaler() X_train = sc.fit_transform(X_train) X_test = sc.transform(X_test)
第五步：使用K-NN对训练集数据进行训练
从sklearn的neighbors类中导入KNeighborsClassifier学习器 from sklearn.neighbors import KNeighborsClassifier
设置好相关的参数 n_neighbors =5(K值的选择，默认选择5)、 metric ='minkowski'(距离度量的选择，这里选择的是闵氏距离(默认参数))、 p = 2 (距离度量metric的附属参数，只用于闵氏距离和带权重闵氏距离中p值的选择，p=1为曼哈顿距离， p=2为欧式距离。默认为2)
classifier = KNeighborsClassifier(n_neighbors=5, metric ='minkowski', p =2) classifier.fit(X_train,y_train) KNeighborsClassifier(algorithm='auto',leaf_size=30, metric='minkowski', metric_params=None, n_jobs=1,n_neighbors=5, p=2, weights='uniform')
第六步：对测试集进行预测
y_pred = classifier.predict(X_test)
第七步：生成混淆矩阵
混淆矩阵可以对一个分类器性能进行分析，由此可以计算出许多指标，例如：ROC曲线、正确率等
fromsklearn.metricsimport confusion_matrix cm = confusion_matrix(y_test, y_pred) print(cm) [[64 4] [ 3 29]] print(classification_report(y_test, y_pred))
预测集中的0总共有68个，1总共有32个。 在这个混淆矩阵中，实际有68个0，但K-NN预测出有67(64+3)个0，其中有3个实际上是1。 同时K-NN预测出有33(4+29)个1，其中4个实际上是0。
