iT邦幫忙

2021 iThome 鐵人賽

DAY 28
0
AI & Data

30Day 從一介凡人羽化成資料科學初學者系列 第 28

Day28-機器學習(2) KNN

  • 分享至 

  • xImage
  •  

KNN簡單說明
為一種監督學習的方法,其原理就好像物以類聚一樣,相同的東西會聚在一起
我們可以設定一個參數叫n_neighbors,假如我今天填入的數字是3
它就會將我的資料依據周圍3個最近的資料來作分類
舉例說明:
今天我們要將資料做分類,分為紅色圈圈或黃色圈圈
圖中的黑色圈圈為未分類資料,而我將n_neighbors設為3
所以它會觀察離它最近的的三個點,為一個黃色圈圈、兩個紅色圈圈
因為紅色圈圈比較多,所以它被分為了紅色
https://ithelp.ithome.com.tw/upload/images/20210908/201404160KgJ2rnGn0.png

這樣說起來,你可能會問KNN是在train什麼?不就是依據原本資料的分布狀況來做分類嗎?
是的!沒錯~也就只是根據有label的資料分布來計算沒有label的資料該麼分群而已
所以它沒有實際train這個動作,只是對數據做一些運算

使用方法
這邊我使用的資料集為Titanic
前處理我直接跟Day24、25、26的一樣,如果想了解可以去看前面的文章

import KNN

Classifier:

from sklearn.neighbors import KNeighborsClassifier

Regression:

from sklearn.neighbors import KNeighborsRegressor

自己先設一個變數,此變數為你的model名稱,並將KNeighborsClassifier()指派給它
https://ithelp.ithome.com.tw/upload/images/20210908/20140416Ew56zK9K4n.png

訓練model
https://ithelp.ithome.com.tw/upload/images/20210908/20140416RgfkoGxNUz.png

查看訓練結果的成績
https://ithelp.ithome.com.tw/upload/images/20210908/20140416cQQ8AMwhQC.png

使用model預測結果
https://ithelp.ithome.com.tw/upload/images/20210908/20140416Ag8MVAPvMG.png

繳交結果
IT_submission 為DNN的訓練結果(前面文章有寫)
SVM_submission 為SVM的訓練結果(前面文章有寫)
KNN_submission 為KNN的訓練結果 (就是本文章的結果)
Kmeans_submission 為Kmeans的訓練結果(後面文章會寫)
此全部都用相同的資料前處理
https://ithelp.ithome.com.tw/upload/images/20210909/20140416ms4wJFXlla.png

附上程式碼,程式碼我有分過目錄,你可以直接跳到KNN
https://colab.research.google.com/drive/16jTbu8jIDWEaast4eMPRKUBLlUBOLffT?usp=sharing

你可能會想說:靠!這不是跟昨天講的SVM使用方法根本一模一樣
對,就是一模一樣,我也差不多彈盡糧絕了,不知道要說什麼


上一篇
Day27-機器學習(1) SVM
下一篇
Day29-機器學習(3) Kmeans
系列文
30Day 從一介凡人羽化成資料科學初學者30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言