分类算法：对目标值进行分类的算法
1、sklearn转换器和预估器
2、KNN算法
3、模型选择与调优
4、朴素贝叶斯算法
5、决策树
6、随机森林
sklearn转换器(transfer)与估计器(estimeter)
1、转换器 - 特征工程的父类
转换器 - 特征工程的父类
1、API的实现过程：
1 实例化 (实例化的是一个转换器类(Transformer))
2 调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)
2、sklearn的标准化：
计算公式：(x - mean) / std
x: 数据
mean: 该列的平均值
std: 标准差
我们调用fit_transform()实际上发生了2个步骤：
fit() 计算 每一列的平均值、标准差
transform() (x - mean) / std进行最终的转换
# 转换器的实例讲解
import sklearn
# 特征预处理
from sklearn.preprocessing import StandardScaler
def stand_demo():
data = [[1, 2, 3], [4, 5, 6]]
# 1、实例化一个类
std = StandardScaler()
# 2、调用fit_transform()
new_data = std.fit_transform(data)
'''
fit = std.fit(data): # 已经完成了列的平均值和标准差的计算
StandardScaler(copy=True, with_mean=True, with_std=True)
std = std.transform(data): # 根据公式(x - mean) / std进行最终的转换
[[-1. -1. -1.]
[ 1. 1. 1.]]
new_data = std.fit_transform(data):
[[-1. -1. -1.]
[ 1. 1. 1.]]
'''
print(new_data)
if __name__ == '__main__':
stand_demo()
2、估计器--sklearn机器学习算法的实现
基于估计器的算法API
估计器的工作流程：
估计器(estimator)
1 实例化一个estimator
2 estimator.fit(x_train, y_train) --> 用于计算x_train: 训练集的特征值， y_train: 训练集的目标值
—— 调用完毕，模型生成
3 模型评估(有2种方法实现)：
1）直接比对真实值和预测值
y_predict = estimator.predict(x_test) # x_test: 测试集的特征值, y_predict: 测试集的预测值y_test == y_predict # 对比测试集的预测值(y_predict)与测试集的目标值(y_test)是否一致
2）计算准确率
accuracy = estimator.score(x_test, y_test) # 传递测试集特征值和测试集目标值进行准确率计算
KNN算法(K-近邻算法)
KNN的核心算法： 通过计算A到邻居(B、C、D、E、F)的距离可以判断A属于哪个类别(区域)。K就是相似特征
距离计算公式：
0、欧式距离
1、曼哈顿距离 （绝对值距离）
2、明可夫斯基距离（基于0和1实现）
K-近邻算法对目标数据的处理：
无量纲化的处理，即【标准化】(归一化会受到异常数据影响)
如果取的最近的电影数量不一样？会是什么结果？
k 值取得过小(即1个样本点)，容易受到异常点的影响
k 值取得过大(即取出多样本)，样本不均衡的影响
K-近邻算法API
KNN算法案例1：鸢尾花种类预测
案例分析：
1. 获取数据(sklearn自带的数据即可)
2. 数据处理(可省略，数据已经处理的很好了，目的是取出不完整的数据)
3. 特征工程
1. 数据集的划分(训练数据 + 测试数据)
2. 特征抽取(可省略，4个特征)
3. 特征预处理(标准化) --》 训练数据和测试数据都需要
4. 降维(可省略，降维的目的是减少特征，这里就4个特征)
4. KNN预估计流程
5. 模型评估
基于KNN实现鸢尾花的分类完整Demo:
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_demo():
'''
基于KNN实现鸢尾花的分类
:return:
'''
# 1、获取数据
iris = load_iris()
print('iris', iris.data.shape)
# 2、数据划分
# 结果跟随机数种子random_state有关
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=6)
# 3、特征工程： 标准化
stand_transfer = StandardScaler()
'''
原则： 训练集的数据做的操作，测试集也是需要做同样的操作
实现：
训练集：
stand_transfer对训练集进行了fit()和transfer(),即fit用于计算平均值和标准差，tranfer用于公式计算
测试集：
stand_transfer对训练集进行了transfer()，即用训练集求出来的平均值和标准差进行最后的公式计算(标准化)
如果对测试集用了fit_tranform(),即对测试集测试的仅仅是自己的数据内容，与训练内容无关
'''
x_train = stand_transfer.fit_transform(x_train) # 要对训练标准化
print('x_train', x_train.shape)
x_test = stand_transfer.transform(x_test) # 用训练集的平均值和标准差对测试集进行标准化
print('x_test', x_test.shape)
# 4、KNN算法评估器
knn_estimater = KNeighborsClassifier(n_neighbors=3) # 邻居数量，默认是5
knn_estimater.fit(x_train, y_train) # 训练完成，产生模型；x_train: 训练集的特征值， y_train: 训练集的目标值
# 5、模型评估
# 方法1；直接对比真实值和预测值
y_predict = knn_estimater.predict(x_test)
print('y_predict', y_predict)
print('真实值和预测值：', y_predict == y_test)
# 方法2：计算准确率
score = knn_estimater.score(x_test, y_test) # 传递测试集特征值和测试集目标值进行准确率计算
print('准确率：',score)
return None
if __name__ == '__main__':
knn_demo()
KNN算法总结
附： 我们可以利用【模型与调优】进行K的确定
模型选择与调优
模型选择与调优的方案：
1、交叉验证(Cross Validate)
2、超参数搜索 –> 网格搜索(Grid Search)
方案一：交叉验证（cross validate, 即有限数据多次验证，被评估的模型更加可信）
方案二：超参数搜索--网格搜索(Grid Search)
模型选择与调优API
说明：GridSearchCV实际上也是一个评估器，用法与上面相同
基于KNN实现鸢尾花的分类,添加网格搜索和交叉验证，用于确定最优的K值完整Demo:
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.neighbors import KNeighborsClassifier
def knn_gridSearch_demo():
'''
基于KNN实现鸢尾花的分类,添加网格搜索和交叉验证，用于确定最优的K值
:return:
'''
# 1、获取数据
iris = load_iris()
print('iris', iris.data.shape)
# 2、数据划分
# 结果跟随机数种子random_state有关
x_train, x_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=3)
# 3、特征工程： 标准化
stand_transfer = StandardScaler()
'''
原则： 训练集的数据做的操作，测试集也是需要做同样的操作
实现：
训练集：
stand_transfer对训练集进行了fit()和transfer(),即fit用于计算平均值和标准差，tranfer用于公式计算
测试集：
stand_transfer对训练集进行了transfer()，即用训练集求出来的平均值和标准差进行最后的公式计算(标准化)
如果对测试集用了fit_tranform(),即对测试集测试的仅仅是自己的数据内容，与训练内容无关
'''
x_train = stand_transfer.fit_transform(x_train) # 要对训练标准化
print('x_train', x_train.shape)
x_test = stand_transfer.transform(x_test) # 用训练集的平均值和标准差对测试集进行标准化
print('x_test', x_test.shape)
# 4、KNN算法评估器
knn_estimater = KNeighborsClassifier()
# 5、加入网格搜索与交叉验证
param_dict = {"n_neighbors": [1, 3, 5, 7, 9, 11]} # 这里只能是字典
'''
estimator : estimator object.
param_grid : dict or list of dictionaries
'''
knn_estimater = GridSearchCV(estimator=knn_estimater, param_grid=param_dict, cv=10)
knn_estimater.fit(x_train, y_train) # 训练完成，产生模型；x_train: 训练集的特征值， y_train: 训练集的目标值
# 6、模型评估
# 方法1；直接对比真实值和预测值
y_predict = knn_estimater.predict(x_test)
print('y_predict', y_predict)
print('真实值和预测值：', y_predict == y_test)
# 方法2：计算准确率
score = knn_estimater.score(x_test, y_test) # 传递测试集特征值和测试集目标值进行准确率计算
print('准确率：', score)
# 最佳参数：best_params
print("最佳参数：\n", knn_estimater.best_params_)
# 最佳结果：best_score_
print("最佳结果：\n", knn_estimater.best_score_)
# 最佳估计器：best_estimator_
print("最佳估计器:\n", knn_estimater.best_estimator_)
# 交叉验证结果：cv_results_
print("交叉验证结果:\n", knn_estimater.cv_results_)
return None
if __name__ == '__main__':
knn_gridSearch_demo()
拓展：
Facebook的预测签到位置案例：
