机器学习基础之《分类算法（4）—案例：预测facebook签到位置》

一、背景

1、说明

2、数据集
row_id：签到行为的编码
x y：坐标系，人所在的位置
accuracy：定位的准确率
time：时间戳
place_id：预测用户将要签到的位置

3、数据集下载
https://www.kaggle.com/navoshta/grid-knn/data
国内下不了，无法收验证码，还是在csdn用积分下一个别人上传的

二、流程分析

1、获取数据

2、数据处理
目的：
    特征值
    目标值
    a.缩小数据范围
      根据坐标缩小范围
      2 < x < 2.5
      1 < y < 1.5
    b.时间戳
      time -> 年月日时分秒
      早上签到，可能是公园、通勤的路上
      周六签到，可能在商场、在家睡觉
    c.过滤签到次数少的地点
    d.数据集划分

3、特征工程
标准化

4、KNN算法预估器流程

5、模型选择与调优

6、模型评估

三、代码

1、day02_facebook_demo

import pandas as pd# 1、获取数据
data = pd.read_csv("./FBlocation/train.csv")data.head()# 2、基本的数据处理
# 1）缩小数据范围
data = data.query("x < 2.5 & x > 2 & y < 1.5 & y > 1")data# 2）处理时间特征
time_value = pd.to_datetime(data["time"], unit="s")time_value.valuesdate = pd.DatetimeIndex(time_value)data["day"] = date.daydata["weekday"] = date.weekdaydata["hour"] = date.hourdata# 3、过滤掉签到次数少的地点
place_count = data.groupby("place_id").count()["row_id"]place_count[place_count > 3].head()data_final = data[data["place_id"].isin(place_count[place_count > 3].index.values)]data_final.head()# 筛选特征值和目标值
# 特征值
x = data_final[["x", "y", "accuracy", "day", "weekday", "hour"]]
# 目标值
y = data_final["place_id"]x.head()y.head()# 数据集划分
from sklearn.model_selection import train_test_splitx_train, x_test, y_train, y_test = train_test_split(x, y)from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import GridSearchCV# 3、特征工程：标准化
transfer = StandardScaler()
x_train = transfer.fit_transform(x_train)
# 用训练集的平均值和标准差对测试集的数据来标准化
# 这里测试集和训练集要有一样的平均值和标准差，而fit的工作就是计算平均值和标准差，所以train的那一步用fit计算过了，到了test这就不需要再算一遍自己的了，直接用train的就可以
x_test = transfer.transform(x_test)
# 4、KNN算法预估器
estimator = KNeighborsClassifier()
# 加入网格搜索和交叉验证
# 参数准备
param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]}
estimator = GridSearchCV(estimator, param_grid=param_dict, cv=10)
estimator.fit(x_train, y_train)
# 5、模型评估
# 方法1：直接比对真实值和预测值
y_predict = estimator.predict(x_test)
print("y_predict：\n", y_predict)
print("直接比对真实值和预测值：\n", y_test == y_predict)
# 方法2：计算准确率
score = estimator.score(x_test, y_test)
print("准确率为：\n", score)
#最佳参数：best_params_
print("最佳参数：\n", estimator.best_params_)
#最佳结果：best_score_
print("最佳结果：\n", estimator.best_score_)
#最佳估计器：best_estimator_
print("最佳估计器：\n", estimator.best_estimator_)
#交叉验证结果：cv_results_
print("交叉验证结果：\n", estimator.cv_results_)

2、运行结果