Python 第三方库Knn算法

一、Knn第三方库参数及涉及的函数参数介绍(亦可见刘建平老师的博客：https://www.cnblogs.com/pinard/p/6065607.html)

（1）neighbors.KNeighborsClassifier(n_neighbors=5, weights='uniform', algorithm='auto', leaf_size=30, p=2, metric='minkowski', metric_params=None, n_jobs=1)

  • n_neighbors：用于指定近邻样本个数K，默认为5
  • weights：用于指定近邻样本的投票权重，默认为'uniform'，表示所有近邻样本的投票权重一样；如果为'distance'，则表示投票权重与距离成反比，即近邻样本与未知类别的样本点距离越远，权重越小，反之，权重越大
  • algorithm：用于指定近邻样本的搜寻算法，如果为'ball_tree'，则表示使用球树搜寻法寻找近邻样本；如果为'kd_tree'，则表示使用KD树搜寻法寻找近邻样本；如果为'brute'，则表示使用暴力搜寻法寻找近邻样本。默认为'auto'，表示KNN算法会根据数据特征自动选择最佳的搜寻算法
  • leaf_size：用于指定球树或KD树叶子节点所包含的最小样本量，它用于控制树的生长条件，会影响树的查询速度，默认为30
  • metric：用于指定距离的度量指标，默认为闵可夫斯基距离
  • p：当参数metric为闵可夫斯基距离时，p=1，表示计算点之间的曼哈顿距离；p=2，表示计算点之间的欧氏距离；该参数的默认值为2
  • metric_params：为metric参数所对应的距离指标添加关键字参数
  • n_jobs：用于设置KNN算法并行计算所需的CPU数量，默认为1表示仅使用1个CPU运行算法，即不使用并行运算功能

官方链接：https://scikit-learn.org/stable/modules/generated/sklearn.neighbors.KNeighborsClassifier.html

（2）sklearn.model_selection.cross_val_score(estimator, X, y=None, groups=None, scoring=None, cv=’warn’, n_jobs=None, verbose=0, fit_params=None, pre_dispatch=‘2*n_jobs’, error_score=’raise-deprecating’)[source]

  • estimator：训练模型函数
  • X:用于该模型训练的特征值
  • y:用于该模型训练的标签值
  • cv：交叉验证迭代的次数
  • n_jobs：用于设置交叉验证算法并行计算所需的CPU数量，默认为1表示仅使用1个CPU运行算法，即不使用并行运算功能

官方链接：https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.cross_val_score.html

（3）train_test_split（test_size，train_size，random_state，shuffle ，stratify）

  • test_size：为int数值时，表示选取样本数量，为浮点型时，便是百分比。
  • train_size：与test_size参数差不多
  • random_state：随机生成树的种子，与np.random.random(12)相仿
  • shuffle ：是否进行洗牌操作
  • stratify：如果shuffle 为None，则进行分层标签

官方链接： https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.train_test_split.html

二、Knn算法实战（知识接收水平判别）

（1）实验步骤

  • 加载数据并划分为训练集和测试集
  • 交叉验证选取最优K值
  • 将不同K值的得分进行可视化（可选）
  • 将最优K值进行模型训练及混淆矩阵可视化
  • 模型整体准确率及报告输出

（2）代码实现

  • 选取最优K值
 1 def data_set():
 2     """
 3     加载数据并构造训练集和测试集为模型准备
 4     """
 5     #导入第三方库
 6     import pandas as pd
 7     from sklearn import model_selection
 8     # 导入数据
 9     Knowledge = pd.read_excel(r'Knowledge.xlsx')
10     # 将数据集拆分为训练集和测试集
11     predictors = Knowledge.columns[:-1]  #提取特征名
12     X_train, X_test, y_train, y_test = model_selection.train_test_split(Knowledge[predictors], Knowledge.UNS, 
13                                                                     test_size = 0.25, random_state = 1234)
14     return X_train, X_test, y_train, y_test
 1 def choose_bestK(X_train,y_train):
 2     """选取K值最优解"""
 3     #导入第三方库
 4     import numpy as np
 5     from sklearn import neighbors
 6     from sklearn import model_selection
 7     
 8     #设置K值最大值
 9     K = np.arange(1,np.ceil(np.log2(Knowledge.shape[0])))
10     #构建空列表用于存储平均准确率
11     accureccy = []
12     for k in K:
13         # 使用10重交叉验证的方法，比对每一个k值下KNN模型的预测准确率
14         cv_result = model_selection.cross_val_score(neighbors.KNeighborsClassifier(n_neighbors=int(k),weights='distance'),
15                                                    X_train, y_train, cv = 10, scoring='accuracy')
16         accureccy.append(cv_result.mean())
17     arg_maxK = np.array(accureccy).argmax()
18     return K,accureccy,arg_maxK
 1 def visual(K,accureccy,arg_maxK):
 2     """对不同K值得分进行可视化"""
 3     #导入第三方库
 4     import matplotlib.pyplot as plt
 5     
 6     # 中文和负号的正常显示
 7     plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
 8     plt.rcParams['axes.unicode_minus'] = False
 9     
10     plt.plot(K,accureccy)
11     plt.scatter(K,accureccy)
12     plt.text(K[arg_max], accuracy[arg_max], '最佳k值为%s' %int(K[arg_max]))
13     # 显示图形
14     plt.show()
1 if __name__=='__main__':
2     """代码测试"""
3     X_train, X_test, y_train, y_test=data_set()
4     K,accureccy,arg_maxK = choose_bestK(X_train,y_train)
5     visual(K,accureccy,arg_maxK)

结果：

  • 模型训练并用混淆矩阵可视化
 1 def Model_train_predict(K,X_train, y_train,X_test):
 2     """模型训练及预测"""
 3     #导入第三方库
 4     from sklearn import neighbors
 5     
 6     # 重新构建模型，并将最佳的近邻个数设置为6
 7     knn_class = neighbors.KNeighborsClassifier(n_neighbors = K, weights = 'distance')
 8     # 模型拟合
 9     knn_class.fit(X_train, y_train)
10     # 模型在测试数据集上的预测
11     predict = knn_class.predict(X_test)
12     # 构建混淆矩阵
13     cm = pd.crosstab(predict,y_test)
14     return cm，predict
 1 def Confusion_matrix_hp(cm):
 2     """构造混淆矩阵热度图"""
 3     #导入第三方库
 4     from sklearn import metrics
 5     import seaborn as sns
 6     
 7     # 将混淆矩阵构造成数据框，并加上字段名和行名称，用于行或列的含义说明
 8     cm = pd.DataFrame(cm)
 9     # 绘制热力图
10     sns.heatmap(cm, annot = True,cmap = 'GnBu')
11     # 添加x轴和y轴的标签
12     plt.xlabel(' Real Lable')
13     plt.ylabel(' Predict Lable')
14     # 图形显示
15     plt.show()
1 if __name__=='__main__':
2     """代码测试"""
3     X_train, X_test, y_train, y_test=data_set()
4     K,accureccy,arg_maxK = choose_bestK(X_train,y_train)
5     cm,predict = Model_train_predict(K,X_train, y_train,X_test,y_test)
6     Confusion_matrix_hp(cm)

结果：

  •  模型整体准确率及报告输出
 1 def score_report(y_test,predict):
 2     """模型准确率及报告输出"""
 3     # 导入第三方模块
 4     from sklearn impmetricsrics
 5     
 6     # 模型整体的预测准确率
 7     total_score=metrics.scorer.accuracy_score(y_test, predict)
 8     # 分类模型的评估报告
 9     report = metrics.classification_report(y_test, predict)
10     return total_score,report
1 if __name__=='__main__':
2     
3     """代码测试"""
4     X_train, X_test, y_train, y_test=data_set()
5     K,accureccy,arg_maxK = choose_bestK(X_train,y_train)
6     cm,predict = Model_train_predict(K,X_train, y_train,X_test,y_test)
7     total_score,report = score_report(y_test,predict)
8     print(total_score,"\n",report)

结果：

借鉴：《从零开始学Python数据分析与挖掘》 PPT

posted on 2019-08-15 23:08  LiErRui  阅读(1265)  评论(0)  编辑  收藏  举报

导航