机器学习流程复习：

• 1.获取数据集
• 2.数据基本处理
• 3.特征工程
• 4.机器学习

• 5.模型评估

  1 Scikit-learn工具介绍

• Python语言的机器学习工具

• Scikit-learn包括许多知名的机器学习算法的实现
• Scikit-learn文档完善，容易上手，丰富的API

• 目前稳定版本0.19.1

  1.1 安装

  pip3 install scikit-learn==0.19.1

  安装好之后可以通过以下命令查看是否安装成功

  import sklearn

• 注：安装scikit-learn需要Numpy, Scipy等库

  1.2 Scikit-learn包含的内容

• 分类、聚类、回归

• 特征工程

• 模型选择、调优

  2 K-近邻算法API

• sklearn.neighbors.KNeighborsClassifier(n_neighbors=5)

  • n_neighbors：int,可选（默认= 5），k_neighbors查询默认使用的邻居数

    3 案例

    3.1 步骤分析

• 1.获取数据集

• 2.数据基本处理（该案例中省略）
• 3.特征工程（该案例中省略）
• 4.机器学习

• 5.模型评估（该案例中省略）

  3.2 代码过程

• 导入模块

  from sklearn.neighbors import KNeighborsClassifier

• 构造数据集

  x = [[0], [1], [2], [3]]
  y = [0, 0, 1, 1]

• 机器学习 — 模型训练 ```python

  实例化API

  estimator = KNeighborsClassifier(n_neighbors=2)

  使用fit方法进行训练

  estimator.fit(x, y)

estimator.predict([[1]]) ```

4 小结

• 最近邻 (k-Nearest Neighbors，KNN) 算法是一种分类算法，
• 1968年由 Cover 和 Hart 提出，应用场景有字符识别、文本分类、图像识别等领域。
• 该算法的思想是：一个样本与数据集中的k个样本最相似，如果这k个样本中的大多数属于某一个类别.
• 实现流程

1）计算已知类别数据集中的点与当前点之间的距离
2）按距离递增次序排序
3）选取与当前点距离最小的k个点
4）统计前k个点所在的类别出现的频率
5）返回前k个点出现频率最高的类别作为当前点的预测分类

问题

1.距离公式，除了欧式距离，还有哪些距离公式可以使用？
2.选取K值的大小？
3.api中其他参数的具体含义？