本系列文章为机器学习实战内容，旨在通过实战的方式学习各种机器学习算法知识，更易于掌握和学习，更多干货内容持续更新…

目录

• 问题描述

• 1. 读取数据

• 2. 特征工程

• 2.1 将标签数据映射为数字

• 2.2 分割特征数据与标签数据

• 2.3 将特征数据进行归一化处理

• 2.4 训练模型并进行预测

• 3. 总结

问题描述

依据某婚恋网站上的数据信息，通过算法预测某人对你的喜欢程度。

1. 读取数据

import pandas as pd
df=pd.read_csv('./datingTestSet.txt',sep='\t',header=None)
df.head()

	0	1	2	3
0	40920	8.326976	0.953952	largeDoses
1	14488	7.153469	1.673904	smallDoses
2	26052	1.441871	0.805124	didntLike
3	75136	13.147394	0.428964	didntLike
4	38344	1.669788	0.134296	didntLike

通过观察我们可以看到，根据前3列表征的是特征数据，最后一列为标签数据，即代表喜欢的程度

# 查看标签类型有哪些
df[3].unique()

array(['largeDoses', 'smallDoses', 'didntLike'], dtype=object)

我们可以看到，喜欢的程度有3种：largeDoses：非常喜欢，smallDoses：有一点喜欢，didntLike：不喜欢

2. 特征工程

2.1 将标签数据映射为数字

我们将标签用数字表示，能够更加直观的通过数值大小观察喜欢程度。

largeDoses：3 ；smallDoses：2， didntLike：1

# 建立映射关系
target_map = {'largeDoses':3,
             'smallDoses':2,
             'didntLike':1}
df[3] = df[3].map(target_map)
df.head()

	0	1	2	3
0	40920	8.326976	0.953952	3
1	14488	7.153469	1.673904	2
2	26052	1.441871	0.805124	1
3	75136	13.147394	0.428964	1
4	38344	1.669788	0.134296	1

2.2 分割特征数据与标签数据

# 取特征数据
data = df.iloc[:,:-1].copy()
data.head()

	0	1	2
0	40920	8.326976	0.953952
1	14488	7.153469	1.673904
2	26052	1.441871	0.805124
3	75136	13.147394	0.428964
4	38344	1.669788	0.134296

# 取标签数据
target = df.iloc[:,-1].copy()
target.head()

0    3
1    2
2    1
3    1
4    1
Name: 3, dtype: int64

2.3 将特征数据进行归一化处理

# 我们直接使用sklearn库中的MinMaxScaler类
from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler() #实例化
std_data = scaler.fit_transform(data)

std_data[:5]

array([[0.44832535, 0.39805139, 0.56233353],
       [0.15873259, 0.34195467, 0.98724416],
       [0.28542943, 0.06892523, 0.47449629],
       [0.82320073, 0.62848007, 0.25248929],
       [0.42010233, 0.07982027, 0.0785783 ]])

2.4 训练模型并进行预测

from sklearn.model_selection import train_test_split
# 切分训练集与测试集
x_train,x_test,y_train,y_test = train_test_split(std_data,target,test_size=0.01)

from sklearn.neighbors import KNeighborsClassifier

# 创建模型
knn = KNeighborsClassifier()
# 模型训练
knn.fit(x_train,y_train)
# 预测准确度
knn.score(x_test,y_test)

0.9

结果表明预测准确度为90%，结果还是比较好的，当然还可以进一步优化。好了这篇文章的内容就到这里，我们下次再见。

3. 总结

本文是关于KNN算法的一个实战练习，主要有以下几个内容：

1. 数据读取与观察
2. 对数据进行特征工程处理
3. 构建模型并进行预测

如果内容对你有帮助，感谢点赞+关注哦！

更多干货内容持续更新中…