knn康复笔记
anaconda与python可能不共用库,在conda promote中pip install
从sklearn下载数据集
1 | from sklearn.datasets import load_breast_cancer |
数据集中有多个key
KNN实例
用scikit-learn中的KNN算法
首先将数据分为训练集与测试集
1 | from sklearn.model_selection import train_test_split |
然后导入类并将其实例化,并设置邻居个数
1 | from sklearn.neighbors import KNeighborsClassifier |
接下来用fit函数进行分类
用predict函数评估模型好坏
1 | clf.fit(X_train,y_train) |
train_test_split参数说明
数据集划分:sklearn.model_selection.train_test_split(*arrays, *options)
主要参数说明:
*arrays:可以是列表、numpy数组、scipy稀疏矩阵或pandas的数据框
-
test_size:可以为浮点、整数或None,默认为None
①若为浮点时,表示测试集占总样本的百分比
②若为整数时,表示测试样本样本数
③若为None时,test size自动设置成0.25
-
train_size:可以为浮点、整数或None,默认为None
①若为浮点时,表示训练集占总样本的百分比
②若为整数时,表示训练样本的样本数
③若为None时,train_size自动被设置成0.75
-
random_state:可以为整数、RandomState实例或None,默认为None
①若为None时,每次生成的数据都是随机,可能不一样
②若为整数时,每次生成的数据都相同
-
stratify:可以为类似数组或None
①若为None时,划分出来的测试集或训练集中,其类标签的比例也是随机的
②若不为None时,划分出来的测试集或训练集中,其类标签的比例同输入的数组中类标签的比例相同,可以用于处理不均衡的数据集
通过简单栗子看看各个参数的作用:
①test_size决定划分测试、训练集比例
②random_state不同值获取到不同的数据集
设置random_state=None运行两次,发现两次的结果不同
③设置stratify参数,可以处理数据不平衡问题
设置stratify=y时,我们发现每次划分后,测试集和训练集中的类标签比例同原始的样本中类标签的比例相同,都为2:3