Python机器学习教程
|
选择K的值，用户在分析数据后选择他认为最好的K值。 测量新点与其最接近的K个点的距离。有多种计算此距离的方法，其中最常用的方法是-Euclidian，Manhattan（用于连续数据点，即回归问题）和Hamming距离（用于分类，即用于分类问题）。 确定更接近新点的点的类别，并相应地标记新点。因此，如果更接近我们的新点的大多数点属于某个“ a”类，则我们的新点预计将来自“ a”类。 现在让我们将此算法应用于我们自己的数据集。让我们首先绘制新数据点。
现在让我们取k = 3，即，我们将看到与新点最接近的三个点：
因此，它被分类为男性：
现在让我们取k = 5的值，看看会发生什么：
正如我们所看到的，最接近新数据点的四个点是男性，只有一个点是女性，因此我们以多数为准，再次将其分类为“男性”。分类时，必须始终选择K的值作为奇数。 回归问题的K-NN 我们已经看到了如何使用K-NN进行分类。现在，让我们看看进行了哪些更改以将其用于回归。该算法几乎相同，只有一个区别。在分类中，我们检查了所有最近点的大部分。在这里，我们将取所有最近点的平均值，并将其作为预测值。让我们再次以相同的示例为例，但是在这里我们必须根据一个人的身高（特征）来预测他的体重（标签）。 高度（厘米）-特征 重量（kg）-标签 187 80 165 50 199 99 145 70 180 87 178 65 187 60 现在我们有了一个高度为160cm的新数据点，我们将K值分别设为1,2和4来预测其权重。 当K = 1时：我们数据中最接近160cm的点是165cm，其权重为50，因此我们得出的结论是预测的权重本身就是50。 当K = 2时：两个最接近的点分别是165和145，权重分别等于50和70。取平均值，我们说预测重量为（50 + 70）/ 2 = 60。 当K = 4时：重复相同的过程，现在我们取4个最接近的点，因此我们得到70.6作为预测的权重。 您可能会认为这真的很简单，并且机器学习没有什么特别的，它只是基础数学。但是请记住，这是最简单的算法，一旦前进，您将看到更加复杂的算法。 机器学习步骤 我希望机器学习只是在数据上应用算法并获得预测值，但这不是那么简单。机器学习中有几个步骤对于每个项目都是必须的。 1. 收集数据：这可能是最重要和最耗时的过程。在这一步中，我们需要收集可以帮助我们解决问题的数据。例如，如果您要预测房屋的价格，我们需要一个适当的数据集，其中包含有关过去房屋销售的所有信息，然后形成表格结构。我们将在实现部分中解决类似的问题。 2. 准备数据：有了数据后，我们需要将其以正确的格式进行处理。预处理涉及各种步骤，例如数据清理，例如，如果您的数据集包含一些空值或异常值（例如，字符串而不是数字），您将如何处理它？我们可以采用多种方法，但一种简单的方法是只删除具有空值的行。 同样有时候在数据集中，我们可能会有对结果没有影响的列，例如id，我们也将这些列也删除了。我们通常使用数据可视化通过图形和图表对数据进行可视化，然后在分析图形之后确定特点是important.Data预处理是一个巨大的话题。 3. 选择模型：现在我们的数据已经准备就绪，可以输入到机器学习算法中了。如果您想知道什么是模型？通常，“机器学习算法”与“机器学习模型”可以互换使用。模型是对数据运行的机器学习算法的输出。 简单来说，当我们对所有数据实施算法时，我们得到的输出包含所有规则，数字以及进行预测所需的任何其他特定于算法的数据结构。例如，在对数据执行线性回归后，我们得到了最佳拟合线的方程式，该方程式称为模型。下一步通常是训练模型，以防万一我们不想调整超参数并选择默认参数。 4. 超参数调整：超参数 至关重要，因为它们控制着机器学习模型的整体行为。最终目标是找到能够为我们带来最佳结果的超参数的最佳组合。但是这些超参数是什么？记住我们的K-NN算法中的变量K。 当我们设置不同的K值时，我们会得到不同的结果.K的最佳值不是预先定义的，并且对于不同的数据集是不同的。没有方法可以知道K的最佳值，但是您可以尝试不同的值并检查哪个值可获得最佳结果。这里的K是一个超参数，每个算法都有自己的超参数，我们需要调整它们的值以获得最佳结果。 5. 评估：您可能想知道，如何知道模型的性能好坏，还有什么比在某些数据上测试模型更好的方法呢？该数据被称为测试数据，并且不能是我们在其上训练算法的数据（训练数据）的子集。 训练模型的目的不是让它学习训练数据集中的所有值，而是识别数据中的基础模式，并基于此模式对从未见过的数据进行预测。有多种评估方法，例如K折交叉验证等。我们将在下一节中详细讨论此步骤。 （编辑：应用网_阳江站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
