机器学习-分类算法-模型选择与调优09

模型选择与调优
交叉验证：为了让被评估的模型更加准确可信

网格搜索

from sklearn.neighbors import KNeighborsClassifier
from sklearn.model_selection import train_test_split,GridSearchCV
from sklearn.preprocessing import StandardScaler
import pandas as pd



def knncls():
    # k-近邻预测用户签到位置
    # 1，读取数据
    data = pd.read_csv("train.csv")
    # print(data.head(10))
    #,2，处理数据
    # 缩小数据,查询数据筛选
    data = data.query("x > 1.0 & x <1.25 & y >2.5 & y < 2.75")
    # 处理时间数据
    time_value = pd.to_datetime(data["time"],unit="s")
    # print(time_value)
    # 把日期格式转换成字典格式
    time_value = pd.DatetimeIndex(time_value)
    # 3，构造一些特征
    data["day"] = time_value.day
    data["hour"] = time_value.hour
    data["weekday"] = time_value.weekday
    # 把时间戳特征删除
    data = data.drop(["time"],axis=1) # sklearn中1表示列和pandas不一样
    # print(data)
    #把签到数量少于n个目标位置删除
    place_count = data.groupby("place_id").count()
    tf = place_count[place_count.row_id > 3].reset_index()
    data = data[data["place_id"].isin(tf.place_id)]
    data = data.drop(["row_id"],axis=1)
    print(data)
    # 取出数据当中的特征值和目标值
    y = data["place_id"]
    x = data.drop(["place_id"],axis=1)

    # 进行数据的分割 训练集和测试集
    x_train,x_test,y_train,y_test = train_test_split(x,y,test_size=0.25)

    # 特征工程（标准化）
    std = StandardScaler()
    # 对测试集和训练集的特征值进行标准化
    x_train = std.fit_transform(x_train)
    x_test = std.transform(x_test)


    # 进行算法流程 # 超参数
    knn = KNeighborsClassifier()

    # # fit,predict,score
    # knn.fit(x_train,y_train)
    # # 得出预测结果
    # y_predict = knn.predict(x_test)
    #
    # print("预测的目标签到位置为:",y_predict)
    #
    # # 得出准确率
    # print("预测的准确率:",knn.score(x_test,y_test))

    # 进行网格搜索
        # 构造一些参数的值进行搜索
    param = {"n_neighbors":[3,5,10]}
    gc = GridSearchCV(knn,param_grid=param,cv=10)
    gc.fit(x_train,y_train)

    # 预测准确率
    gc.score(x_test,y_test)
    print("在测试集上的准确率:",gc.score(x_test,y_test))
    print("在交叉验证中最好的结果:",gc.best_score_)
    print("最好的模型是:",gc.best_estimator_)
    print("每个超参数每次交叉验证的结果:",gc.cv_results_)
    return None






if __name__=="__main__":
    knncls()