KNN引數的篩選

目錄導包

交叉驗證

演示交叉驗證

選取最適鄰居數

畫圖表示

多引數組合使用cross_val_score篩選最合適的引數組合

遍歷方式取最大值 結果

import numpy as np

from sklearn.neighbors import kneighborsclassifier
from sklearn import datasets
# model_selection:模型選擇
# cross_val_score cross：交叉，validation：驗證（測試）
# 交叉驗證
from sklearn.model_selection import cross_val_score

載入資料

x,y = datasets.load_iris(true)

x.shape

# 演示了交叉驗證，如何使用

knn = kneighborsclassifier()
score = cross_val_score(knn,x,y,scoring='accuracy',cv = 10)#預設cv=3,accuracy準確率
score.mean()

erros = 

for k in range(1,14):
knn = kneighborsclassifier(n_neighbors=k)
score = cross_val_score(knn,x,y,scoring='accuracy',cv = 6).mean()
# 誤差越小，說明k選擇越合適，越好

import matplotlib.pyplot as plt

%matplotlib inline
# k = 11時，誤差最小，說明k = 11對鳶尾花來說，最合適的k值
除此之外，knn中還有其他引數比如權重weights【uniform,distance】
np.array(list(result.values())).argmax()#找到最大值索引

list(result)[20]
由此可看，w最適為uniform，鄰居數最好為11。驗證其他引數也可以用同樣方法。
 
機器學習 調整kNN的超引數
1 問題 以knn演算法為例 平票 如果k個點中，不同型別的樣本數相等，怎麼選取？如果選取的k個點中，數量多的一類樣本點距離測試樣本較遠，數量少的一類樣本點距離測試樣本較近，此時選取數量較多的型別作為輸出結果，不具說服力 2 knn演算法中，除了k值外的另乙個超引數 距離的權重 1 距離 sciki...
深度學習（四） knn 超引數
best score 0.0 設定當前我們已經找到的準確率最好的值，初始化為0 bestk k 1 我們找到的最好的k,初始化為 1 for k in range 1,11 我們傳入10個k,看哪個k最適合鳶尾花 knn clf kneighborsclassifier n neighbors k ...
用交叉驗證調整KNN模型的引數
import pandas as pd import matplotlib.pyplot as plt import numpy as np 載入資料 def inspect data file root dataframe pd.read csv file root print 資料基本資訊 pr...