Day28-机器学习(2) KNN

KNN简单说明
为一种监督学习的方法，其原理就好像物以类聚一样，相同的东西会聚在一起
我们可以设定一个参数叫n_neighbors，假如我今天填入的数字是3
它就会将我的资料依据周围3个最近的资料来作分类
举例说明:
今天我们要将资料做分类，分为红色圈圈或黄色圈圈
图中的黑色圈圈为未分类资料，而我将n_neighbors设为3
所以它会观察离它最近的的三个点，为一个黄色圈圈、两个红色圈圈
因为红色圈圈比较多，所以它被分为了红色

这样说起来，你可能会问KNN是在train什麽?不就是依据原本资料的分布状况来做分类吗?
是的!没错~也就只是根据有label的资料分布来计算没有label的资料该麽分群而已
所以它没有实际train这个动作，只是对数据做一些运算

使用方法
这边我使用的资料集为Titanic
前处理我直接跟Day24、25、26的一样，如果想了解可以去看前面的文章

import KNN

Classifier:

from sklearn.neighbors import KNeighborsClassifier

Regression:

from sklearn.neighbors import KNeighborsRegressor

自己先设一个变数，此变数为你的model名称，并将KNeighborsClassifier()指派给它

训练model

查看训练结果的成绩

使用model预测结果

缴交结果
IT_submission 为DNN的训练结果(前面文章有写)
SVM_submission 为SVM的训练结果(前面文章有写)
KNN_submission 为KNN的训练结果 (就是本文章的结果)
Kmeans_submission 为Kmeans的训练结果(後面文章会写)
此全部都用相同的资料前处理