本系列文章md笔记（已分享）主要讨论机器学习算法相关知识。机器学习算法文章笔记以算法、案例为驱动的学习，伴随浅显易懂的数学知识，让大家掌握机器学习常见算法原理，应用Scikit-learn实现机器学习算法的应用，结合场景解决实际问题。包括K-近邻算法，线性回归，逻辑回归，决策树算法，集成学习，聚类算法。K-近邻算法的距离公式，应用LinearRegression或SGDRegressor实现回归预测，应用LogisticRegression实现逻辑回归预测，应用DecisionTreeClassifier实现决策树分类，应用RandomForestClassifie实现随机森林算法，应用Kmeans实现聚类任务。

全套笔记和代码自取地址： 请移步这里

感兴趣的小伙伴可以自取哦，欢迎大家点赞转发~

共 7 章，44 子模块，

机器学习算法本文定位、目标

定位

• 本文以算法、案例为驱动的学习，伴随浅显易懂的数学知识

• 作为人工智能领域的提升本文，掌握更深更有效的解决问题技能

目标

• 掌握机器学习常见算法原理

• 应用Scikit-learn实现机器学习算法的应用，

• 结合场景解决实际问题

K-近邻算法

学习目标

• 掌握K-近邻算法实现过程

• 知道K-近邻算法的距离公式

• 知道K-近邻算法的超参数K值以及取值问题

• 知道kd树实现搜索的过程

• 应用KNeighborsClassifier实现分类

• 知道K-近邻算法的优缺点

• 知道交叉验证实现过程

• 知道超参数搜索过程

• 应用GridSearchCV实现算法参数的调优

1.1 K-近邻算法简介

1 什么是K-近邻算法

• 根据你的“邻居”来推断出你的类别

1.1 K-近邻算法(KNN)概念

K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法

• 定义

如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。

来源：KNN算法最早是由Cover和Hart提出的一种分类算法

• 距离公式

两个样本的距离可以通过如下公式计算，又叫欧式距离 ，关于距离公式会在后面进行讨论

1.2 电影类型分析

假设我们现在有几部电影

其中？ 号电影不知道类别，如何去预测？我们可以利用K近邻算法的思想

分别计算每个电影和被预测电影的距离，然后求解

###

1.2 k近邻算法api初步使用

机器学习流程复习：

• 1.数据集

• 2.数据基本处理

• 3.特征工程

• 4.机器学习

• 5.模型评估

1 Scikit-learn工具介绍

• Python语言的机器学习工具

• Scikit-learn包括许多知名的机器学习算法的实现

• Scikit-learn文档完善，容易上手，丰富的API

• 目前稳定版本0.19.1

1.1 安装

pip3 install scikit-learn==0.19.1

安装好之后可以通过以下命令查看是否安装成功

import sklearn

• 注：安装scikit-learn需要Numpy, Scipy等库

1.2 Scikit-learn包含的内容

• 分类、聚类、回归

• 特征工程

• 模型选择、调优

2 K-近邻算法API

• sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)

  • n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数

3 案例

3.1 步骤分析

• 1.数据集

• 2.数据基本处理（该案例中省略）

• 3.特征工程（该案例中省略）

• 4.机器学习

• 5.模型评估（该案例中省略）

3.2 代码过程

• 导入模块

from sklearn.neighbors import KNeighborsClassifier

• 构造数据集

x = [[0], [1], [2], [3]]
y = [0, 0, 1, 1]

• 机器学习 -- 模型训练

  
  
# 实例化API
  
  
estimator = KNeighborsClassifier(n_neighbors=2)
  
  
# 使用fit方法进行训练
  
  
estimator.fit(x, y)
​
estimator.predict([[1]])

4 小结

• 最近邻 (k-Nearest Neighbors，KNN) 算法是一种分类算法，

• 1968年由 Cover 和 Hart 提出，应用场景有字符识别、文本分类、图像识别等领域。

• 该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别.

• 实现流程

1）计算已知类别数据集中的点与当前点之间的距离

2）按距离递增次序排序

3）选取与当前点距离最小的k个点

4）统计前k个点所在的类别出现的频率

5）返回前k个点出现频率最高的类别作为当前点的预测分类

• 问题

1.距离公式，除了欧式距离，还有哪些距离公式可以使用？

2.选取K值的大小？

3.api中其他参数的具体含义？

未完待续， 同学们请等待下一期