开发者社区> mayiyou> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

使用Anaconda运行机器学习算法K近邻

简介: 使用Anaconda运行机器学习算法K近邻
+关注继续查看

打开课时页面https://tianchi.aliyun.com/course/310/3557,右上角点Fork,打开的页面点编辑,进入DSW环境
image.png

文档中要求python3.7以上,DSW环境python版本为3.6,这里下载本地环境运行。
点File->Download下载为378605_edit.ipynb文件,在JupyterLab中打开文件
image.png

点击三角形按钮,按步骤执行文档中的python代码块
image.png

生成分类图片
image.png

预测的准确率ACC
image.png

kNN回归图片
image.png

然后是2.4.4数据处理,需要下载的数据集在浏览器中打开可以下载,然后复制到项目目录
image.png
image.png
image.png

预测的准确率和图形显示
image.png

运行完成没有错误

再查看文档使用的k近邻方法
2.4.1 调用的为KNeighborsClassifier(k),k取值范围[1, 3, 5, 8, 10, 15]
2.4.2 调用的为KNeighborsClassifier(n_neighbors=5, p=2, metric="minkowski"),使用为欧式距离
2.4.3 调用的为KNeighborsRegressor(n_neighbors=k, p=2, metric="minkowski"),k取值范围[1, 3, 5, 8, 10, 40]
2.4.4
使用空值填充的方法KNNImputer(n_neighbors=2, metric='nan_euclidean')
使用pipeline 组合操作
Pipeline(steps=[('imputer', KNNImputer(n_neighbors=int(s))), ('model', KNeighborsClassifier())])

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
机器学习之k近邻算法
from numpy import * import operator def createDataSet(): group=array([ [1.
470 0
机器学习入门,引入 k 近邻机器算法
  最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来,当测试对象的属性和某个训练对象的属性完全匹配时,便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢,其次就是存在一个测试对象同时与多个训练对象匹配,导致一个训练对象被分到了多个类的问题,基于这些问题呢,就产生了KNN。
23 0
监督式和非监督式机器学习算法
监督式机器学习 实际应用中的机器学习在大部分情况下我们都会使用监督式学习。 监督式学习指的是你拥有一个输入变量和一个输出变量,使用某种算法去学习从输入到输出的映射函数 这种学习方式就称之为监督式学习,因为算法学习从训练数据集学习的过程可以被看成类似于一名教师在监督学习学习的过程。
827 0
线性回归机器学习算法介绍
在解释什么是线性回归之前,我们先举个例子! 假设我们已知m个样本,样本里有n个特征x,和对应的输出y。表达式如下: 现在出现了一个新的数据集 需要预测它对应的输出y是多少。 首先我们需要知道的是,如果输出y是连续的,则是回归问题,否则是分类问题。
2931 0
Anaconda 安装好了,却无法运行?
使用管理员运行:conda prompt 或者 Windows PowerShell 执行命令 conda update anaconda-navigator 还是不行就试试命令: anaconda-navigator --reset conda update anaconda-client ...
2036 0
机器学习算法①
机器学习算法 广泛地说,有三种类型的机器学习算法。 1.监督学习 这个算法由一个目标/结果变量(或因变量)组成,这个变量可以从一组给定的预测变量(独立变量)中预测出来。
785 0
图解机器学习算法 | 从入门到精通系列教程
本篇内容是ShowMeAI组织的「图解机器学习算法」系列教程入口,本教程尽量以生动可视化的方式,帮助大家理解机器学习的核心知识和重要的系列模型,并配以相关的代码实现帮助大家了解应用方法。(对机器学习实战感兴趣的同学,可以关注ShowMeAI的另外一个系列[机器学习应用实践])
140 0
+关注
38
文章
2
问答
文章排行榜
最热
最新
相关电子书
更多
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载
冬季实战营第三期:MySQL数据库进阶实战
立即下载