Mashinali o'qitish

K-NN algoritmi uchun muammo: Yangi SUV avtomobilini ishlab chiqargan avtomobil ishlab chiqaruvchi kompaniya mavjud . Kompaniya e'lonlarni o'sha SUVni sotib olishga qiziqqan foydalanuvchilarga bermoqchi. Shunday qilib , ushbu muammo uchun bizda ijtimoiy tarmoq orqali bir nechta foydalanuvchi ma'lumotlarini o'z ichiga olgan ma'lumotlar to'plami mavjud. Ma'lumotlar to'plami juda ko'p ma'lumotlarni o'z ichiga oladi, ammo biz hisoblangan ish haqi va yoshni mustaqil o'zgaruvchi uchun ko'rib chiqamiz va sotib olingan o'zgaruvchi - qaram o'zgaruvchi uchun. Quyida ma'lumotlar to'plami keltirilgan:

• 
  K-NN algoritmini amalga oshirish bosqichlari:
  
• 
  Ma'lumotlarni oldindan qayta ishlash bosqichi
  
• 
  K-NN algoritmini o'quv to'plamiga moslashtirish
  
• 
  Sinov natijasini bashorat qilish
  
• 
  Natijaning test to'g'riligi (chalkashlik matritsasini yaratish)
  
• 
  Test to'plamining natijasini vizualizatsiya qilish.
  
• 
  Ma'lumotlarni oldindan qayta ishlash bosqichi:
  
• 
  Logistik regressiya bilan bir xil bo'lib qoladi . Quyida uning kodi:
  

Yuqoridagi kodni bajarish orqali bizning ma'lumotlar to'plamimiz dasturimizga import qilinadi va yaxshi qayta ishlanadi . Xususiyatlarni masshtablashtirgandan so'ng , test ma'lumotlar to'plamimiz quyidagicha ko'rinadi:



Yuqoridagi rasmdan ma'lumotlarimiz muvaffaqiyatli o'lchaganini ko'rishimiz mumkin .
K-NN klassifikatorini o'quv ma'lumotlariga moslash : Endi biz K-NN klassifikatorini o'quv ma'lumotlariga moslashtiramiz. Buning uchun biz Sklearn Neighbors kutubxonasining KNeighborsClassifier sinfini import qilamiz. Sinfni import qilgandan so'ng biz sinfning Classifier ob'ektini yaratamiz . Ushbu sinfning parametri bo'ladi n_neighbours : Algoritmning kerakli qo'shnilarini aniqlash uchun. Odatda, bu 5 ni oladi metric =' minkowski ': Bu standart parametr bo'lib, nuqtalar orasidagi masofani belgilaydi.
p=2: Bu standart Evklid metrikasiga ekvivalent.
Va keyin biz klassifikatorni o'quv ma'lumotlariga moslashtiramiz. Quyida uning kodi:


Chalkashlik matritsasini yaratish : Endi biz K-NN modelimiz uchun klassifikatorning aniqligini ko'rish uchun chalkashlik matritsasi yaratamiz. Quyida uning kodi:

Yuqoridagi kodda biz confusion_matrix funksiyasini import qildik va uni sm o'zgaruvchisi yordamida chaqirdik.